Гуманоїдні роботи мають потенціал для неперевершеної універсальності у виконанні навичок повного тіла, що нагадує людину. Однак, Досягнення спритних та координованих рухів повного тіла залишається суттєвим викликом через динамічну невідповідність між моделюванням та реальним світом. Існуючі підходи, наприклад, ідентифікація системи (Системний) і доменна рандомізація (ЛІКАР) методи, Часто покладаються на налаштування трудометрих параметрів або призводять до надмірно консервативних рухів, які жертвують спритністю. Вирівнювання моделювання та реальної фізики (Якнайшвидше) може бути рішенням.

ASAP-це двоступенева рамка, розроблена NVIDIA у співпраці з Університетом Карнегі Меллон, яка має на меті подолати розрив між симуляцією та реальною фізикою, коли викладає гнучкі навички повного тіла для гуманоїдних роботів.

На першому етапі, Робот вчиться рухатися в моделюванні, використовуючи дані, отримані з людських рухів. Ця підготовка проходить у модельованому середовищі з фізичними моделями, які намагаються максимально імітувати реальність, Але все ще існують відмінності між тим, що прогнозує моделювання, і тим, як робот поводиться в реальності.

На другому етапі, Навчені політики переносяться в реальний світ, де збираються реальні дані про поведінку робота. На основі цього, Створюється так звана модель Delta Action, що компенсує відмінності між імітованою та реальною фізикою. Потім ця модель використовується для тонкого налаштування рухів робота, Забезпечення того, що його поведінка в реальності є максимально точним і стабільним.

В відео, Ви можете бачити роботів, які імітують рухи відомих спортсменів.