ヒューマノイドロボットは、人間のようなフルボディスキルを実行する際に比類のない汎用性の可能性があります. しかし, シミュレーションと現実の世界の動的な不一致のため、アジャイルで調整されたフルボディの動きを達成することは重要な課題のままです. 既存のアプローチ, システム識別など (sysid) およびドメインランダム化 (DR) 方法, 多くの場合、面倒なパラメーターの調整に依存しているか、敏ility性を犠牲にする過度に保守的な動きをもたらします. シミュレーションと実際の物理学の調整 (できるだけ早く) 解決策かもしれません.

ASAPは、NvidiaがCarnegie Mellon Universityと協力して開発された2段階のフレームワークです。.

最初の段階で, ロボットは、人間の動きから取得したデータを使用してシミュレーションで移動することを学びます. このトレーニングは、可能な限り現実を模倣しようとする物理モデルを備えたシミュレートされた環境で行われます, しかし、シミュレーションが予測するものとロボットが現実にどのように動作するかとの間にはまだ違いがあります.

第2フェーズで, 訓練されたポリシーは現実の世界に転送されます, ロボットの動作に関する実際のデータが収集されます. これに基づいて, いわゆるデルタアクションモデルが作成されます, シミュレートされた物理学と実際の物理学の違いを補う. このモデルは、ロボットの動きを微調整するために使用されます, 現実におけるその行動ができるだけ正確で安定していることを保証する.

ビデオで, 有名なアスリートの動きを模倣するロボットを見ることができます.