人形机器人具有无与伦比的多功能性，以执行类似人类的全身技能. 然而, 由于模拟与现实世界之间的动态不匹配，实现敏捷和协调的全身运动仍然是一个重大挑战. 现有方法, 例如系统标识 (sysid) 和域随机化 (博士) 方法, 通常依靠费力的参数调整或导致牺牲敏捷性过度保守的运动. 对齐模拟和真实物理 (尽快) 可能是解决方案.

ASAP是NVIDIA与卡内基·梅隆大学（Carnegie Mellon University）合作开发的两个阶段框架.

在第一阶段, 机器人学会使用从人类运动中获取的数据在模拟中移动. 该培训是在模拟环境中进行的，其物理模型试图尽可能地模仿现实, 但是模拟预测的内容与机器人在现实中的行为之间仍然存在差异.

在第二阶段, 训练有素的政策被转移到现实世界, 收集机器人行为的真实数据. 基于此, 创建了所谓的三角洲动作模型, 这可以弥补模拟物理和真实物理之间的差异. 然后使用此型号微调机器人的动作, 确保其现实中的行为尽可能准确和稳定.

在视频, 您可以看到模仿著名运动员运动的机器人.