在机器人技术的发展中，模拟环境与现实世界之间的差距一直是一个重大挑战。近日，英伟达 GEAR 实验室与卡内基梅隆大学的研究团队联合开发了一种新框架，名为 ASAP（Aligning Simulation and Real Physics），旨在缩小这种差距。该系统在减少机器人模拟与现实运动误差方面取得了显著进展，能够降低约53% 的运动误差，相较于现有方法具有明显优势。
ASAP 框架的工作流程分为两个阶段。首先，机器人在虚拟环境中进行训练，随后利用一种特殊模型来处理现实世界中的差异。这个模型能够学习并调整虚拟与实际运动之间的变异，从而实现更精确的动作转换。通过这一系统，机器人能够直接将复杂的动作，如跳跃和踢腿，从模拟环境转移到现实中。
在实际测试中，研究团队使用了 Unitree G1人形机器人，成功展示了多种灵活的运动，例如超过一米的前跳。测试表明，ASAP 系统在运动准确性方面明显优于其他现有方法。为了展示该系统的潜力，研究人员甚至让机器人模仿著名运动员如克里斯蒂亚诺・罗纳尔多、勒布朗・詹姆斯和科比・布莱恩特的动作。然而，在实验过程中也暴露出一些硬件限制，机器人的马达在执行动态运动时经常过热，并且在收集数据时，有两台机器人遭到损坏。
研究团队表示，这仅仅是一个开始。未来，ASAP 框架可能帮助机器人学习更自然、更加多样化的运动。为了促进更多研究人员的参与，他们已经将代码公开发布在 GitHub 上，鼓励其他科研人员基于该框架进行进一步的探索和开发。
划重点:
🌟 研究团队开发的 ASAP 框架能减少机器人模拟与现实运动之间约53% 的误差。
🤖 通过在模拟环境中训练，再结合特殊模型，ASAP 可以有效调整机器人在现实中的运动表现。
🏀 测试中，机器人成功模仿多位运动明星的动作，但在实验过程中出现了硬件过热和设备损坏的问题。
