AI Leaders Artikel vom 04.03.2025
Nvidia-Forscher demonstrieren deutlichen Fortschritt beim Robotertraining
Ein neues KI-Framework namens ASAP ermöglicht humanoiden Robotern deutlich präzisere und menschenähnlichere Bewegungen. Die Technologie überbrückt dabei die Lücke zwischen Simulation und realer Welt deutlich besser als ältere Methoden.
Forscher des Nvidia GEAR Lab und der Carnegie Mellon University haben ein neues Framework entwickelt, das humanoiden Robotern hilft, Bewegungen aus der Simulation erfolgreich in die reale Welt zu übertragen. Das System mit dem Namen ASAP (Aligning Simulation and Real Physics) reduziert Bewegungsfehler zwischen simulierten und realen Bewegungen um bis zu 52,7 Prozent im Vergleich zu herkömmlichen Übertragungsmethoden.
Der zweistufige Ansatz trainiert die Roboter zunächst in einer Simulation und gleicht dann die Unterschiede zur realen Welt mit einem speziellen Modell aus. Dieses Modell lernt die Abweichungen zwischen simulierten und realen Bewegungen und kann sie kompensieren.
„Die Lücke zwischen Simulation und Realität ist eine der größten Herausforderungen in der Robotik“, erklärt das Forscherteam. Mit dem neuen Framework sei es erstmals möglich, komplexe Bewegungen wie Sprünge und Tritte direkt aus der Simulation auf reale Roboter zu übertragen.
Erfolgreiche Tests mit humanoidem Roboter
In Tests mit dem humanoiden Roboter Unitree G1 konnte das Team verschiedene agile Bewegungen demonstrieren, darunter Vorwärtssprünge von mehr als einem Meter. Dabei übertraf das System andere Methoden in der Bewegungsgenauigkeit deutlich.
Das Team demonstrierte seine Methode auch mit Bewegungsimitationen: Der Roboter kann die Bewegungen von Sportstars wie Cristiano Ronaldo, LeBron James und Kobe Bryant nachahmen. Laut Jim Fan, Senior Research Manager bei Nvidia und Leiter von GEAR, mussten die Videos der sogar Bewegungen verlangsamt werden, damit die Zuschauer die Bewegungen besser erkennen können.
Allerdings zeigten sich auch die Grenzen der Hardware: Während der Experimente überhitzt die Motoren häufig bei dynamischen Bewegungen. Zwei Roboter wurden während der Datenerfassung beschädigt.
Zusammenfassung
- Forscher des Nvidia GEAR Lab und der Carnegie Mellon University haben ein neues Framework namens ASAP entwickelt, das humanoiden Robotern hilft, Bewegungen aus der Simulation erfolgreich in die reale Welt zu übertragen und dabei Bewegungsfehler um bis zu 52,7 Prozent zu reduzieren.
- Das zweistufige System trainiert Roboter zunächst in einer Simulation und gleicht dann die Unterschiede zur realen Welt mit einem speziellen Modell aus, das die Abweichungen zwischen simulierten und realen Bewegungen lernt und kompensiert.
- In Tests mit dem humanoiden Roboter Unitree G1 konnte das Team verschiedene agile Bewegungen wie Vorwärtssprünge und Imitationen von Sportlerbewegungen demonstrieren, stieß dabei aber auch an die Grenzen der Hardware. Der Code wurde auf GitHub veröffentlicht, um weitere Forschungen zu ermöglichen.
