Fortschritte in der Roboterausbildung durch neues Trainingsframework

Forscher von Nvidia erzielen bedeutende Fortschritte im Robotertraining

Die Robotik steht vor einer entscheidenden Herausforderung: Die Übertragung von in Simulationen erlernten Bewegungen auf reale Roboter gestaltet sich oft schwierig. Die Diskrepanz zwischen simulierter und realer Welt führt zu erheblichen Abweichungen in der Ausführung von Bewegungen. Forscher des Nvidia GEAR Lab und der Carnegie Mellon University haben nun eine vielversprechende Lösung für dieses Problem entwickelt: ASAP (Aligning Simulation and Real Physics). Dieses Framework ermöglicht es, die Fehler zwischen simulierten und realen Roboterbewegungen um etwa 53 Prozent im Vergleich zu bisherigen Methoden zu reduzieren.

ASAP: Zwei-Phasen-Training für präzisere Roboterbewegungen

ASAP arbeitet in zwei Phasen. Zunächst werden die Roboter in einer simulierten Umgebung trainiert. Hier können sie komplexe Bewegungsabläufe ohne die Risiken und Kosten der realen Welt erlernen. In der zweiten Phase kommt ein spezialisiertes Modell zum Einsatz, das die Unterschiede zwischen Simulation und Realität berücksichtigt. Dieses Modell lernt, Abweichungen zwischen virtuellen und physischen Bewegungen zu erkennen und die Steuerung des Roboters entsprechend anzupassen. Dadurch wird die Präzision der Bewegungen im realen Umfeld deutlich verbessert.

Vom virtuellen Training zur athletischen Performance

Die Forscher testeten ASAP mit dem humanoiden Roboter Unitree G1. Dabei demonstrierten sie verschiedene agile Bewegungen, darunter Vorwärtssprünge von über einem Meter. Die Ergebnisse zeigten, dass das System durchgängig eine höhere Bewegungsgenauigkeit erreichte als andere Ansätze. Besonders beeindruckend war die Fähigkeit des Roboters, komplexe Bewegungen wie Sprünge und Tritte direkt aus der Simulation in die reale Welt zu übertragen.

Um die Leistungsfähigkeit von ASAP weiter zu demonstrieren, wurde der Roboter darauf trainiert, Bewegungen von Sportstars wie Cristiano Ronaldo, LeBron James und Kobe Bryant nachzuahmen. Jim Fan, Senior Research Manager bei Nvidia und Leiter des GEAR Lab, erklärte, dass die Bewegungsvideos verlangsamt werden mussten, damit die Zuschauer den Bewegungen des Roboters folgen konnten. Dieses Experiment verdeutlicht das Potenzial von ASAP, Robotern natürliche und vielseitige Bewegungen beizubringen.

Herausforderungen und Zukunftsperspektiven

Trotz der beeindruckenden Ergebnisse stießen die Forscher auch auf Herausforderungen. Insbesondere die Motoren des Roboters überhitzten häufig bei dynamischen Bewegungen. Während der Datenerhebung wurden sogar zwei Roboter beschädigt. Diese Erfahrungen zeigen, dass die Hardware noch nicht vollständig auf die Anforderungen hochdynamischer Roboterbewegungen ausgelegt ist.

Die Forscher betrachten ASAP als einen wichtigen Schritt in der Entwicklung von Robotern mit natürlicheren und vielseitigeren Bewegungen. Sie haben ihren Code auf GitHub veröffentlicht, um anderen Forschern die Möglichkeit zu geben, auf ihren Ergebnissen aufzubauen und die Technologie weiterzuentwickeln. ASAP könnte zukünftig dazu beitragen, Roboter für komplexe Aufgaben in verschiedenen Bereichen wie Industrie, Logistik und Gesundheitswesen zu trainieren.

Bibliographie: - https://blogs.nvidia.com/blog/eureka-robotics-research/ - https://developer.nvidia.com/blog/advancing-humanoid-robot-sight-and-skill-development-with-nvidia-project-gr00t/ - https://blogs.nvidia.com/blog/robot-learning-humanoid-development/ - https://venturebeat.com/automation/nvidias-dreureka-outperforms-humans-in-training-robotics-systems/ - https://developer.nvidia.com/blog/advancing-robot-learning-perception-and-manipulation-with-latest-nvidia-isaac-release/ - https://www.thoughtladder.com/p/nvidia-research-breakthrough-puts - https://www.zdnet.com/article/nvidia-researchers-make-it-easier-to-train-robots-to-pick-up-stuff/ - https://www.technowize.com/nvidia-researchers-train-robots-to-learn-human-behavior-by-observing-humans/ - https://www.linkedin.com/posts/erapacki_nvidia-advances-robot-learning-and-humanoid-activity-7260043765162115072-pqmP - https://venturebeat.com/ai/nvidia-is-training-robots-to-learn-from-watching-humans/