
發展 AI 機器人已經成為難以抵擋的產業趨勢,但要如何使機器人動起來更加靈活,卻讓許多廠商傷透了腦筋,對此卡內基美隆大學與 NVIDIA 就共同探索出了新方法。
讓 AI 機器人複製球星招牌姿勢
根據外媒報導,研究人員近日開發出一套 AI 架構,可以讓人型機器人以非凡的敏捷度,執行最為先進的運動姿勢操控。
這套 AI 架構被稱為 Aligning Simulation and Real Physics,直譯為「校準模擬與真實物理」,簡稱「ASAP」,同時也借義英語俗話中的 As soon as possible 即「越快越好」的意思。
ASAP 由卡內基美隆大學與 NVIDIA 合作打造,在研究團隊日前公開的示範影片中,人形機器人已經可以流暢達成各種激烈動作,比方說足球員 C 羅在空中旋轉的慶祝姿勢,還有已故 NBA 球星「小飛俠」Kobe Bryant 的後仰跳投等。
根據研究人員說法,ASAP 架構擁有雙階段的漸進式訓練方法,解決模擬環境與真實世界之間存在的動態差異問題。
首先,ASAP 會在電腦模擬環境中,進行運動追蹤的預先訓練,然後利用真實世界數據加以改進,同時為了更有效地呈現真實世界的動態特性,再導入了由 AI 所驅動的差分動作模型。
研究人員表示,這套由 AI 所驅動的差分動作模型是重要關鍵,它將機器人於虛擬、現實之間的動作誤差,減少了高達 52.7%,使機器人能夠輕鬆做出,以前完全無法實現的全身性動作。
在論文中研究人員進一步指出,雖然人形機器人擁有非凡潛力,可以執行類似人類、需要用到整個身體的動作,然而,由於電腦模擬跟真實世界的動態特性無法匹配,因此要讓機器人靈活協調全身關節並且正確執行,至今仍然是一大挑戰。
結合 AI 模型,弭平虛擬、現實差距
多年來研究人員都殷殷期盼,有一天能夠打造出敏捷度媲美人類的人形機器人,但大部分的努力都集中於特定關節、特定動作方面,而非牽連整個身體的運動,其關鍵就在於硬體限制,以及模擬世界跟真實世界於物理表現上的差異。
為了彌平模擬跟現實之間的差距,過去業界曾討論出了許多方法,例如 System Identification(SysID)、Domain Randomization(DR)等,但每種方案都有其限制與適用情境。
ASAP 以電腦模擬結合真實世界資料,輔以額外開發的 AI 模型,進一步增添了物理細節,使人形機器人可以有效反映出現實世界的動作表現,突破機器人於敏捷度的舊有上限。
靈活性大提升,加速訓練成下個目標
導入 ASAP 技術進行訓練的人形機器人,不僅已經可以複製許多體育傳奇人物的招牌動作,甚至還能進行超過 1 公尺的前跳和側跳;儘管由於硬體限制,以及關節數量比人類來得少,機器人的動作看起來似乎還有些笨拙,但跟先前表現相比,靈活性確實已大幅提高。
研究人員指出,ASAP 未來將開展多個研究方向,包括如何建立更聰明的控制系統、保護機器人動作時免於損傷、使用攝影機和感應器取代動作捕捉系統,以及改善機器人的學習訓練方法等,讓 AI 機器人可以在較少訓練資料的情況下,快速適應並做出更加複雜的全身性動作。
本圖/文由「Techorange科技報橘」授權刊登,非經同意不得任意轉載。
原文出處:NVIDIA 打造超敏捷 AI 機器人,空中旋轉、後仰跳投全都難不倒
Polygon recent comments