英伟达与卡内基梅隆大学推出新框架ASAP,提升机器人训练精准度

在机器人技术的发展中,模拟环境与现实世界之间的差距一直是一个重大挑战。 近日,英伟达 GEAR 实验室与卡内基梅隆大学的研究团队联合开发了一种新框架,名为 ASAP(Aligning Simulation and Real Physics),旨在缩小这种差距。 该系统在减少机器人模拟与现实运动误差方面取得了显著进展,能够降低约53% 的运动误差,相较于现有方法具有明显优势。

在机器人技术的发展中,模拟环境与现实世界之间的差距一直是一个重大挑战。近日,英伟达 GEAR 实验室与卡内基梅隆大学的研究团队联合开发了一种新框架,名为 ASAP(Aligning Simulation and Real Physics),旨在缩小这种差距。该系统在减少机器人模拟与现实运动误差方面取得了显著进展,能够降低约53% 的运动误差,相较于现有方法具有明显优势。

ASAP 框架的工作流程分为两个阶段。首先,机器人在虚拟环境中进行训练,随后利用一种特殊模型来处理现实世界中的差异。这个模型能够学习并调整虚拟与实际运动之间的变异,从而实现更精确的动作转换。通过这一系统,机器人能够直接将复杂的动作,如跳跃和踢腿,从模拟环境转移到现实中。

image.png

在实际测试中,研究团队使用了 Unitree G1人形机器人,成功展示了多种灵活的运动,例如超过一米的前跳。测试表明,ASAP 系统在运动准确性方面明显优于其他现有方法。为了展示该系统的潜力,研究人员甚至让机器人模仿著名运动员如克里斯蒂亚诺・罗纳尔多、勒布朗・詹姆斯和科比・布莱恩特的动作。然而,在实验过程中也暴露出一些硬件限制,机器人的马达在执行动态运动时经常过热,并且在收集数据时,有两台机器人遭到损坏。

研究团队表示,这仅仅是一个开始。未来,ASAP 框架可能帮助机器人学习更自然、更加多样化的运动。为了促进更多研究人员的参与,他们已经将代码公开发布在 GitHub 上,鼓励其他科研人员基于该框架进行进一步的探索和开发。

划重点:

🌟 研究团队开发的 ASAP 框架能减少机器人模拟与现实运动之间约53% 的误差。  

🤖 通过在模拟环境中训练,再结合特殊模型,ASAP 可以有效调整机器人在现实中的运动表现。  

🏀 测试中,机器人成功模仿多位运动明星的动作,但在实验过程中出现了硬件过热和设备损坏的问题。

相关资讯

构建人形机器人需要的三种电脑,英伟达都提供

在未来的 5 到 10 年里,我们即将见证 AI 从虚拟世界走向现实。

13页PPT融到1亿后,1X的这批机器人可能要醒了......

机器之能报道编辑:吴昕如果这批 EVE(轮足)机器人大军即将醒来,你会作何感想?上个月刚官宣 B 轮 1 亿美元融资后,OpenAI 领投的挪威机器人公司 1X 又放出消息,明天要有令人兴奋的事情发生。公司 AI 部门负责人、机器人科学家 Eric Jang 今天公开表示,明天将发布有关 AI 和自主性方面的更新。至于具体内容,他卖了个关子,只给了一些提示——线索就在过去一年多他们分享的视频里,与数据引擎的规模化有关。看似神秘,答案并非无迹可寻。上个月 1 亿美元 B 轮融资完成后,1 月 19 日,1X 创始人&

清北团队进军具身智能,银河通用、灵初智能、星海图齐发力

具身智能创业如火如荼,技术路线是否收敛、以及数据来源的选择,都是大家一直关心的问题。 最近清华北大的团队密集发布了很多研究成果,我们或许可以从中分析出一些趋势。 23 年初成立的银河通用背后是前如布科技联创尹方鸣和姚腾洲、科学家是北大助理教授王鹤。