ہیومنائڈ روبوٹ میں انسانی جیسے مکمل جسمانی مہارت کو انجام دینے میں بے مثال استعداد کی صلاحیت ہے. تاہم, تخروپن اور حقیقی دنیا کے مابین متحرک مماثل ہونے کی وجہ سے فرتیلی اور مربوط مکمل جسم کی نقل و حرکت کا حصول ایک اہم چیلنج بنی ہوئی ہے۔. موجودہ نقطہ نظر, جیسے سسٹم کی شناخت (sysid) اور ڈومین بے ترتیب (ڈاکٹر) طریقے, اکثر محنتی پیرامیٹر ٹیوننگ پر انحصار کرتے ہیں یا اس کے نتیجے میں حد سے زیادہ قدامت پسند تحریکیں ہوتی ہیں جو چستی کی قربانی دیتے ہیں. نقالی اور حقیقی طبیعیات کی سیدھ میں لانا (ASAP) ایک حل ہوسکتا ہے.

ASAP ایک دو مرحلے کا فریم ورک ہے جو NVIDIA نے کارنیگی میلن یونیورسٹی کے اشتراک سے تیار کیا ہے جس کا مقصد انسانیت کے روبوٹ کو فرتیلی مکمل جسمانی مہارت کی تعلیم دیتے وقت نقلی اور حقیقی طبیعیات کے مابین پائے جانے والے فرق کو ختم کرنا ہے۔.

پہلے مرحلے میں, روبوٹ انسانی نقل و حرکت سے حاصل کردہ ڈیٹا کا استعمال کرتے ہوئے تخروپن میں جانا سیکھتا ہے. یہ تربیت جسمانی ماڈلز کے ساتھ ایک مصنوعی ماحول میں ہوتی ہے جو حقیقت کو ہر ممکن حد تک نقل کرنے کی کوشش کرتے ہیں, لیکن ابھی بھی نقالی کی پیش گوئی کے درمیان اختلافات موجود ہیں اور روبوٹ حقیقت میں کس طرح برتاؤ کرتا ہے.

دوسرے مرحلے میں, تربیت یافتہ پالیسیاں حقیقی دنیا میں منتقل کردی گئیں, جہاں روبوٹ کے طرز عمل سے متعلق اصلی ڈیٹا اکٹھا کیا جاتا ہے. اس کی بنیاد پر, ایک نام نہاد ڈیلٹا ایکشن ماڈل تیار کیا گیا ہے, جو مصنوعی اور حقیقی طبیعیات کے مابین اختلافات کی تلافی کرتا ہے. اس ماڈل کو پھر روبوٹ کی نقل و حرکت کو ٹھیک کرنے کے لئے استعمال کیا جاتا ہے, اس بات کو یقینی بنانا کہ حقیقت میں اس کا طرز عمل زیادہ سے زیادہ درست اور مستحکم ہے.

ویڈیو میں, آپ روبوٹ دیکھ سکتے ہیں جو مشہور کھلاڑیوں کی نقل و حرکت کی نقل کرتے ہیں.