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