로봇 공학의 발전은 항상 시뮬레이션 된 환경과 실제 세계 사이의 격차에 직면 해 왔습니다. Nvidia Gear Laboratory와 Carnegie Mellon University Research Team은 최근 ASAP라는 새로운 프레임 워크를 공동으로 개발하여 격차를 해소하고 상당한 진전을 이루기위한 새로운 프레임 워크를 개발했습니다.
로봇 공학의 발전에서 시뮬레이션 된 환경과 현실 세계 사이의 격차는 항상 큰 도전이었습니다. 최근 Nvidia Gear Laboratory와 Carnegie Mellon University Research Team은 공동으로 차이를 막기 위해 ASAP (Aligning Simulation and Real Physics)라는 새로운 프레임 워크를 공동으로 개발했습니다. 이 시스템은 로봇 시뮬레이션 및 실제 모션 오류를 줄이는 데 상당한 진전을 보였으며 기존 방법에 비해 상당한 이점이있는 모션 오류를 약 53%줄일 수 있습니다.
ASAP 프레임 워크의 워크 플로우는 두 단계로 나뉩니다. 먼저 로봇은 가상 환경에서 훈련을받은 다음 특수 모델을 사용하여 실제 차이를 처리합니다. 이 모델은 가상 및 실제 모션의 변화를 배우고 조정하여보다 정확한 작업 변환을 가능하게합니다. 이 시스템을 통해 로봇은 시뮬레이션 된 환경에서 현실로 점프 및 차기와 같은 복잡한 움직임을 직접 전달할 수 있습니다.
실제 테스트에서 연구팀은 Unitree G1 Humanoid Robot을 사용하여 하나 이상의 미터의 전진 점프와 같은 다양한 유연한 움직임을 성공적으로 보여주었습니다. 테스트에 따르면 ASAP 시스템은 기존의 다른 방법을 모션 정확도로 훨씬 능가합니다. 시스템의 잠재력을 보여주기 위해 연구원들은 로봇이 크리스티아누 호날두, 르브론 제임스, 고베 브라이언트와 같은 유명한 선수들의 움직임을 모방하게했습니다. 그러나 실험 중에 일부 하드웨어 제한이 노출되었으며, 동적 움직임을 수행 할 때 로봇의 모터가 종종 과열되었으며 데이터를 수집 할 때 두 로봇이 손상되었습니다.
연구팀은 이것이 시작일 뿐이라고 연구팀은 말했다. 앞으로 ASAP 프레임 워크는 로봇이 더 자연스럽고 다양한 움직임을 배우는 데 도움이 될 수 있습니다. 더 많은 연구자들의 참여를 촉진하기 위해, 그들은 Github에 공개적으로 코드를 발표하여 다른 연구자들이 프레임 워크를 바탕으로 더 탐구하고 발전하도록 장려했습니다.
핵심 사항 :
연구팀이 개발 한 ASAP 프레임 워크는 로봇 시뮬레이션과 실제 모션 사이의 오류를 약 53% 줄일 수 있습니다.
시뮬레이션 된 환경에서 훈련하고 특수 모델과 결합하여 ASAP는 실제로 로봇의 모션 성능을 효과적으로 조정할 수 있습니다.
테스트 중에 로봇은 여러 스포츠 스타의 움직임을 성공적으로 모방했지만 실험 중에 하드웨어 과열 및 장비 손상 문제가있었습니다.
ASAP 프레임 워크의 출시는 로봇 공학 기술 개발에 새로운 희망을 가져 왔으며 앞으로 더 많은 분야에 적용될 것으로 예상됩니다.