ASAP (Aligning Simulation and Real-World Physics for Learning Agile Humanoid Whole-Body Skills) – це нова система навчання людиноподібних роботів, розроблена дослідниками з Університету Карнегі-Меллона та NVIDIA. Основна мета ASAP – навчити роботів виконувати складні, динамічні рухи, максимально наближені до людських. Завдяки цій технології роботи можуть виконувати стрибки, обертання та інші рухи з високою точністю та реалістичністю.
Як працює ASAP?
ASAP складається з двох ключових етапів:
-
Навчання у симуляції. На першому етапі система використовує дані про рухи людини для навчання робота у віртуальному середовищі. Це дозволяє створити базову модель рухів без ризику пошкодити реального робота.
-
Адаптація до реального світу. Після успішного навчання у симуляції алгоритми коригуються з урахуванням реальних фізичних умов. Для цього використовується модель дельта-диференціації, яка компенсує різницю між симуляцією та реальністю.
Цей підхід дозволяє роботу швидше адаптуватися до навколишнього середовища та виконувати рухи, які раніше були складними або неможливими для людиноподібних машин.
Де вже протестували ASAP?
Розробники протестували ASAP на людиноподібному роботі Unitree G1. Як приклади рухів були взяті елементи зі спорту, наприклад, стрибки та маневри, натхненні рухами таких відомих атлетів, як Леброн Джеймс і Кріштіану Роналду. Результати експериментів показали, що робот здатний точно відтворювати ці рухи, що свідчить про високу ефективність методу.
Звідки з’явилася технологія?
Система ASAP була створена на основі платформи HumanoidVerse – потужного середовища для навчання людиноподібних роботів, що включає підтримку кількох симуляторів (IsaacGym, IsaacSim, Genesis). Це дає змогу ефективно тестувати та адаптувати алгоритми для різних роботів і умов.
Де завантажити та вивчити ASAP?
ASAP – це відкритий проєкт, і його код доступний для розробників та дослідників. Знайти його можна на GitHub: ASAP на GitHub. Тут доступні вихідний код, документація та приклади використання.
Технологія ASAP відкриває нові можливості для створення більш спритних та інтелектуальних людиноподібних роботів. Вона дозволяє значно покращити їхню фізичну рухливість і адаптацію до реального світу. У майбутньому такі системи можуть застосовуватися в найрізноманітніших сферах – від роботизованих помічників до промислових рішень і досліджень космосу.