Инженеры из Китая разработали систему управления OmniXtreme, благодаря которой гуманоидные роботы могут выполнять сложные акробатические элементы. В ходе тестирования робот Unitree G1 продемонстрировал впечатляющие способности, совершив пять сальто назад подряд и исполнив элементы брейк-данса с точностью, превышающей 90%.
Пекинский институт общего искусственного интеллекта (BIGAI) представил OmniXtreme — свою новейшую систему управления, предназначенную для обеспечения человекоподобных роботов возможностью выполнять сложные акробатические трюки. Эта платформа предоставляет роботам функционал для осуществления сальто назад, ударов ногами из арсенала боевых искусств и даже брейк-данса.
Преодоление вызовов в робототехнике
Достижение высокого уровня координации и динамичности движений традиционно считается одним из наиболее значимых вызовов в области робототехники. Обычно для обучения таким сложным действиям применяется метод обучения с подкреплением (reinforcement learning). Однако, по мере роста количества и сложности движений, управление ими становится всё более трудной задачей. Как отметил исследователь Сиян Хуанг, до недавнего времени создание унифицированной системы, способной эффективно выполнять разнообразные экстремальные движения с высокой вероятностью успеха, оставалось нерешенной проблемой.
Двухэтапная система обучения OmniXtreme
OmniXtreme решает эту задачу с помощью уникальной двухэтапной системы обучения. На первом этапе происходит предварительное обучение единой базовой политики поведения. Для этого используется алгоритм Flow Matching, который агрегирует и интегрирует множество различных данных о движении, собранных от экспертов. На втором этапе эта базовая политика "замораживается", а остаточная её часть подвергается оптимизации. При этом учитываются моторные ограничения и требования безопасности, что позволяет сократить разрыв между моделированием (симуляцией) и реальным физическим исполнением.
Высокий уровень производительности и перспективы
Разработанная система продемонстрировала более чем 90% успешность в реализации множества высокодинамичных задач. Такой подход эффективно решает проблему баланса между точностью выполнения движений и масштабируемостью системы. Исследователи выражают уверенность, что OmniXtreme станет важным компонентом для будущих поколений роботов, заложив основу для универсальных движений гуманоидных платформ и их способности к обучению ещё более сложным навыкам.