這機器人就是一個里程碑 (參照
motion retarget和虛擬世界訓練)
(詳細訓練過程 參照上面連結Fig 2)
之前機器人各路玩家的夢想就是 把人類影片所有動作去教他給機器人
概念就是 把影片直接扔進去 受益於poset estimation 可以把人類動作拆解成
骨架 接者用motion retarget 在虛擬世界去做校正 最後部署到現實世界
這個最重要點就是 以後機器人看個影片 就可以學會人類動作 搭配LLM Gen AI之後更能
創造動作 我們家的多拉a夢快要出來了 @@/
股點? @n@ 就是老黃RRRRRRR
: 原文標題：輝達CMU新研究！機器人跳APT舞驚豔全網 「人形機器人」奧運會2030年可期(詳細訓練過程 參照上面連結Fig 2)
之前機器人各路玩家的夢想就是 把人類影片所有動作去教他給機器人
概念就是 把影片直接扔進去 受益於poset estimation 可以把人類動作拆解成
骨架 接者用motion retarget 在虛擬世界去做校正 最後部署到現實世界
這個最重要點就是 以後機器人看個影片 就可以學會人類動作 搭配LLM Gen AI之後更能
創造動作 我們家的多拉a夢快要出來了 @@/
股點? @n@ 就是老黃RRRRRRR
: ※請勿刪減原文標題
: 原文連結：https://news.cnyes.com/news/id/5851739
: https://hao.cnyes.com/post/133793 (機器人動作)
: ※網址超過一行過長請用縮網址工具
: 發布時間：2025-02-05 17:30
: ※請以原文網頁/報紙之發布時間為準
: 記者署名：鉅亨網編譯陳韋廷 綜合報導
: ※原文無記載者得留空
: 原文內容：
: 機器人版的柯比布萊恩 (Kobe Bryant)、詹皇(LeBron James)、C 羅 Cristiano
: Ronaldo 真的來了，而這一切全拜卡內基美隆大學(CMU) 和輝達(NVDA-US) 所提出的一個
: real2sim2real 模型 Aligning Simulation and Real Physics(ASAP)，ASAP 能讓人形
: 機器人掌握非常流暢且動感的全身控制動作，就連跳時下最紅的 APT 也相當流暢。
: 中國智能資訊社交平台《新智元》報導，市場可以期待在 2030 年看到人形機器人奧運會
: 盛宴，CMU 與輝達提出的 ASAP 專案包含預訓練和後訓練兩大階段。在第一個階段中，透
: 過重定向的人體數據，在模擬環境中預訓練運動追蹤策略，第二階段將這些策略部署到現
: 實世界，並收集真實數據來訓練一個「殘差」動作模型，用來彌補模型與真實世界物理動
: 態之間的差距。
: 然後，ASAP 把這個 delta 動作模型整合到模擬器中，對預訓練策略進行微調，讓它和現
: 實世界的動力學更匹配。具體步驟分為四步，分別是運動跟蹤預訓練與真實軌跡收集、差
: 異動作模型訓練、策略微調以及真實世界部署。
: 研究人員在三個遷移場景中評估了 ASAP 的效果。從 IsaacGym 到 IsaacSim、從
: IsaacGym 到 Genesis，以及從 IsaacGym 到真實世界，使用的機器人則是中國廠商宇樹
: 的 G1 人形機器人。
: 最後，研究者藉助 delta 動作模型對預訓練的策略進行微調，使其能夠更好地適應真實
: 世界的物理環境，從而實現更穩定、敏捷的運動控制。
: sim2real 一直是實現空間與具身智慧的主要路徑之一，被廣泛應用在機器人模擬評估當
: 中，而 real2sim2real 直接打破了繁瑣的動作微調的難題，彌合 sim2real 的差距，讓
: 機器人能夠模仿各種類人的動作。
: 輝達資深研究科學家 Jim Fan 興奮地表示，透過 RL 讓人形機器人成功模仿 C 羅、詹皇
: 和科比！
: 報導指出，CMU 跟輝達的研究有四大貢獻。第一個是提出 ASAP 框架，運用強化學習和真
: 實世界的數據來訓練 delta 動作模型，有效縮小了模擬與現實之間的差距。其次，成功
: 在真實環境部署全身控制策略，實現了不少以前人形機器人難以做到的動作。
: 第三大貢獻則是 ASAP 能有效減少動力學不匹配問題，讓機器人做出高度敏捷的動作，同
: 時顯著降低運動跟蹤誤差。最後，研究者開發並開源了一個多模擬器訓練與評估代碼庫，
: 以促進不同模擬器之間的平滑遷移，並加快後續研究。
: 心得/評論：老黃在中國跳APT，而輝達與CMU開發的軟體讓機器人動作更靈活
: 看完上面網址的影片，真的超驚嘆，機器人的動作會進步到什麼地步??
: 動作逼真到很扯，未來機器人陪你運動XD
: ※必需填寫滿30正體中文字，無意義者板規處分
--
