欧意报道：
卡内基·梅隆大学（Carnegie Mellon University）和NVIDIA联手开发了一种新的训练技术 ，使人类机器人能够以前所未有的敏捷性进行复杂的运动运动 - 从克里斯蒂亚诺·罗纳尔多（Cristiano Ronaldo）的标志性中期旋转庆典到科比·布莱恩特（Kobe Bryant）的Fadeaway跳跃。
框架 ，对齐模拟和真实物理（尽快），通过允许人形机器人执行以前认为机器太复杂的高级运动运动 ，从而弥合了模拟和现实之间的危险差距 。
研究人员在论文中指出：“人形机器人具有无与伦比的多功能性 ，以表现人类般的全身技能 。” “但是，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。 ”
尽快通过两个阶段的过程来应对这一挑战 。
首先 ，它可以在使用人类运动数据的模拟中进行训练运动跟踪策略（控制跟踪的算法规则） 。然后，它将这些政策部署在现实世界中，以收集有助于弥合模拟物理和实际物理学之间差距的数据。
结果是一个能够复制体育传奇的签名移动s ，包括克里斯蒂亚诺·罗纳尔多（Cristiano Ronaldo）的标志性“ SIU ”庆祝活动（涉及180度的中空轮换） ，勒布朗·詹姆斯（LeBron James）的“ Silencer”庆祝活动（以精确的单腿平衡）和科比·布莱恩特（Kobe Bryant ） 。
除了这些精美的运动动作之外，机器人还展示了其他令人印象深刻的壮举 ，例如超过1米的侧跳和侧跳 。
乍一看 ，机器人可能仍然看起来很笨拙，但是这一次 ，这主要是由于硬件限制 ，因为它们的发音比人类少。
但是，由于“ Delta Action Model ” ，它们具有比其他机器人的灵巧性 ，这是一种校正机制，可补偿模拟物理和现实世界中的差异。 “三角洲动作模型有效地用作动力学差距的残余校正项 。 ”
与以前的方法相比 ，使用这种方法将跟踪误差降低了高达52.7％ ，这使机器人能够执行以前不可能的复杂运动 。
研究人员说：“我们的方法显着提高了各种动态动作的敏捷性和全身协调，”研究人员表明，该系统的有效性是“为现实世界中的多功能类人体机器人铺平道路 ”。
开发具有这种敏捷水平的机器人特别困难 ，并且一直是机器人技术中最持久的挑战之一 。
“几十年来 ，我们设想了人类机器人实现甚至超过人类水平的敏捷性 。但是，大多数先前的工作主要集中在运动上 ，将腿视为流动性的手段。 ”研究人员写道 。
另一方面 ，尽快模仿了预训练的人体，并能够在模拟中了解到它之后将其知识调整到现实世界中 。
这样 ，机器人的四肢行为就像人类的四肢 ，用于运动，平衡 ，配重 ，表达等。
实现这比看起来要困难得多 。当我们执行运动甚至基本的运动时，我们实际上是在实时策划无数的微妙调整 ，平衡多种力量 ，同时弥补动量和位置的变化 。
事实证明，让机器人复制这一点非常困难。
不相信我们吗？尝试玩QWOP - 您必须控制4个发音才能进行运动员跑步的游戏 。现在，一旦您花了几个小时来掌握该游戏 ，请考虑同时管理ASAP处理的21个基本表达方式将有多困难 ，然后考虑人体具有300多个不同的关节 。
人形机器人技术领域已经近年来活跃，随着公司和大学将更多的资源投入研发。
特斯拉的Optimus项目 ，图AI最近的人形机器人公告以及波士顿Dynamics Atlas都强调了对人形机器人的商业兴趣的日益增长。
在学术领域 ，布里斯托尔大学和斯坦福大学还开发了自己的方法来教授模型如何变得更敏捷并增加其灵巧性 。
该团队专注于进一步发展
他们说：“未来的方向可能会着重于开发损害感知的政策架构，以减轻硬件风险 。”他们指的是某些模型在尝试执行复杂动作时如何破裂。
他们还想研究“利用无标记的姿势估计或板载传感器融合以减少对MOCAP系统的依赖” ，并改善其适应技术以提高效率 。我们要参加全球世界杯多久？
编辑塞巴斯蒂安·辛克莱（Sebastian Sinclair）和乔什·奎特纳（Josh Quittner）
