휴머노이드 로봇. 그러나, 시뮬레이션과 현실 세계 간의 동적 불일치로 인해 민첩하고 조정 된 전신 움직임 달성은 여전히 ​​큰 도전으로 남아 있습니다.. 기존 접근법, 시스템 식별과 같은 (Sysid) 그리고 도메인 무작위 화 (박사) 행동 양식, 종종 힘든 매개 변수 튜닝에 의존하거나 민첩성을 희생하는 지나치게 보수적 인 움직임을 초래합니다.. 시뮬레이션 및 실제 물리학 정렬 (최대한 빨리) 해결책 일 수 있습니다.

ASAP.

첫 번째 단계에서, 로봇은 인간 운동에서 획득 한 데이터를 사용하여 시뮬레이션에서 움직이는 법을 배웁니다.. 이 교육은 현실을 최대한 최대한 모방하려는 물리적 모델을 가진 시뮬레이션 된 환경에서 이루어집니다., 그러나 시뮬레이션이 예측하는 것과 로봇이 실제로 행동하는 방식 사이에는 여전히 차이가 있습니다..

두 번째 단계에서, 훈련 된 정책은 현실 세계로 이전됩니다, 로봇의 행동에 대한 실제 데이터가 수집되는 경우. 이것을 기반으로합니다, 소위 델타 액션 모델이 생성됩니다, 시뮬레이션과 실제 물리학의 차이점을 보상합니다.. 그런 다음이 모델은 로봇의 움직임을 미세 조정하는 데 사용됩니다., 현실에서의 행동이 가능한 한 정확하고 안정적인지 확인.

비디오에서, 유명한 운동 선수의 움직임을 모방하는 로봇을 볼 수 있습니다..