人形機器人具有無與倫比的多功能性，以執行類似人類的全身技能. 然而, 由於模擬與現實世界之間的動態不匹配，實現敏捷和協調的全身運動仍然是一個重大挑戰. 現有方法, 例如係統標識 (sysid) 和域隨機化 (博士) 方法, 通常依靠費力的參數調整或導致犧牲敏捷性過度保守的運動. 對齊模擬和真實物理 (盡快) 可能是解決方案.

ASAP是NVIDIA與卡內基·梅隆大學（Carnegie Mellon University）合作開發的兩個階段框架.

在第一階段, 機器人學會使用從人類運動中獲取的數據在模擬中移動. 該培訓是在模擬環境中進行的，其物理模型試圖盡可能地模仿現實, 但是模擬預測的內容與機器人在現實中的行為之間仍然存在差異.

在第二階段, 訓練有素的政策被轉移到現實世界, 收集機器人行為的真實數據. 基於此, 創建了所謂的三角洲動作模型, 這可以彌補模擬物理和真實物理之間的差異. 然後使用此型號微調機器人的動作, 確保其現實中的行為盡可能準確和穩定.

在視頻, 您可以看到模仿著名運動員運動的機器人.