在機器人技術的發展中，模擬環境與現實世界之間的差距一直是一個重大挑戰。近日，英偉達 GEAR 實驗室與卡內基梅隆大學的研究團隊聯合開發了一種新框架，名爲 ASAP（Aligning Simulation and Real Physics），旨在縮小這種差距。該系統在減少機器人模擬與現實運動誤差方面取得了顯著進展，能夠降低約53% 的運動誤差，相較於現有方法具有明顯優勢。

ASAP 框架的工作流程分爲兩個階段。首先，機器人在虛擬環境中進行訓練，隨後利用一種特殊模型來處理現實世界中的差異。這個模型能夠學習並調整虛擬與實際運動之間的變異，從而實現更精確的動作轉換。通過這一系統，機器人能夠直接將複雜的動作，如跳躍和踢腿，從模擬環境轉移到現實中。

image.png

在實際測試中，研究團隊使用了 Unitree G1人形機器人，成功展示了多種靈活的運動，例如超過一米的前跳。測試表明，ASAP 系統在運動準確性方面明顯優於其他現有方法。爲了展示該系統的潛力，研究人員甚至讓機器人模仿著名運動員如克里斯蒂亞諾・羅納爾多、勒布朗・詹姆斯和科比・布萊恩特的動作。然而，在實驗過程中也暴露出一些硬件限制，機器人的馬達在執行動態運動時經常過熱，並且在收集數據時，有兩臺機器人遭到損壞。

研究團隊表示，這僅僅是一個開始。未來，ASAP 框架可能幫助機器人學習更自然、更加多樣化的運動。爲了促進更多研究人員的參與，他們已經將代碼公開發布在 GitHub 上，鼓勵其他科研人員基於該框架進行進一步的探索和開發。

劃重點:

🌟 研究團隊開發的 ASAP 框架能減少機器人模擬與現實運動之間約53% 的誤差。  

🤖 通過在模擬環境中訓練，再結合特殊模型，ASAP 可以有效調整機器人在現實中的運動表現。  

🏀 測試中，機器人成功模仿多位運動明星的動作，但在實驗過程中出現了硬件過熱和設備損壞的問題。