Humanoidné roboty majú potenciál pre jedinečnú všestrannosť pri vykonávaní ľudských zručností podobných celému telu. však, Dosiahnutie agilných a koordinovaných pohybov celého tela zostáva významnou výzvou v dôsledku dynamického nesúladu medzi simuláciou a skutočným svetom. Existujúce prístupy, ako je identifikácia systému (Sysid) a randomizácia domény (DR) metódy, často sa spolieha na namáhavé ladenie parametrov alebo vedie k príliš konzervatívnym pohybom, ktoré obetujú pohyblivosť. Zarovnanie simulácie a skutočnej fyziky (Maximálna doba) môže byť riešením.

ASAP je dvojstupňový rámec vyvinutý Nvidia v spolupráci s Carnegie Mellon University, ktorého cieľom je preklenúť priepasť medzi simuláciou a skutočnou fyzikou pri výučbe agilných zručností v celom tele humanoidným robotom.

V prvej fáze, Robot sa učí pohybovať sa simuláciou pomocou údajov získaných z ľudských pohybov. Tento tréning sa koná v simulovanom prostredí s fyzickými modelmi, ktoré sa snažia čo najlepšie napodobňovať realitu, Stále však existujú rozdiely medzi tým, čo simulácia predpovedá a ako sa robot správa v skutočnosti.

V druhej fáze, Vyškolené politiky sa prenášajú do skutočného sveta, kde sa zhromažďujú skutočné údaje o správaní robota. Na základe toho, Vytvorí sa tzv. Model Delta Action, čo kompenzuje rozdiely medzi simulovanou a skutočnou fyzikou. Tento model sa potom používa na jemné doladenie pohybov robota, zabezpečenie toho, aby jeho správanie v skutočnosti bolo čo najpresnejšie a najstabilnejšie.

vo videu, Môžete vidieť roboty, ktoré napodobňujú pohyby slávnych športovcov.