全身トレーニングモデルにより、ロボットは有名なアスリートの動きを模倣できます

Carnegie Mellon UniversityのAIおよびロボット研究者のチームは、テクノロジー企業Nvidiaの同僚と協力して、人間のアスリートのように動くためのロボットをトレーニングするための新しいモデルを開発しました。 彼らに 紙 に投稿されました arxiv プリプリントサーバー、グループは、彼らがどのように許可する新しいアプローチを開発したかを説明しています トレーニング フルボディアスレチックな動き ヒューマノイドロボット、そしてこれまでのアプローチがどれだけうまく機能してきたか。 彼らの新しい努力の中で、研究チームは、主に移動を中心にロボットを訓練するためのほとんどの努力が訓練するためのほとんどの努力に注目しました。その結果、非常にうまく進むことができるロボットのホストが開発されました。しかし、それらのどれも、チームが指摘していません。それらは流動性や運動能力、つまり自然の動物の動きのホールマークを欠いています。答えは、全身トレーニングの使用に焦点を移すことだと彼らは信じていました。 全身トレーニングの開発を検討する際、チームは、現在のトレーニングモデルには適応性がなく、しばしばあまりにも多くのパラメーターを使用しているため、過度に慎重な動きをもたらすことがわかりました。それにより、彼らは新しい2段階モデル、または彼らがそれを呼ぶようにフレームワークを開発することになりました。 最初の段階では、AIモジュールをトレーニングして全身の人間のモーションビデオを理解します。これは、モーショントラッキングと併せてロボット機能を検討するためにリターゲットした顕著なポイントです。第2段階では、現実世界のデータを収集して、現実世界（ビデオでの人々が動く方法）とロボットの移動方法との違いを特定して調整することが含まれます。その結果、チームがシミュレーションと実際の物理学（ASAP）を調整するフレームワークができます。 新しいフレームワークをテストするために、研究者はロボットを訓練して、スポーツファンに動きを馴染みました。ロボットは、Kobe Bryantの有名なFadeawayジャンプショット、Lebron Jamesのサイレンサーの動き、Cristiano RonaldoのSiu Leapを空中スピンで演奏しました。各全身スキルが実行されたときに記録され、結果はYouTubeに投稿されました。 それらを見て、有名な動きを認識し、全身の動きを改善するための進歩に注意するのは簡単です。しかし、ロボットがプロの人間のアスリートと間違えられる前に、さらに多くの作業を行う必要があることも簡単にわかります。 ロボットの動きに人間のビデオの動きをリターゲティングする：（a）ビデオから人間の動きがキャプチャされます。 （b）路面電車の使用 [93]、3Dヒトの動きは、SMPLパラメーター形式で再構築されます。 （c）SMPLモーションを追跡するために、強化学習（RL）ポリシーがシミュレーションのトレーニングを受けています。 （d）学習したSMPLモーションは、シミュレーションでUnitree G1ヒューマノイドロボットにリターゲットされています。 （e）訓練されたRLポリシーは、実際のロボットに展開され、物理的な世界で最終的な動きを実行します。このパイプラインは、リターゲティングされた動きが物理的に実現可能であり、実際の展開に適したままであることを保証します。クレジット： arxiv （2025）。 doi：10.48550/arxiv.2502.01143 詳細： Tairan He et al、ASAP：アジャイルヒューマノイド全身スキルを学ぶためのシミュレーションと現実世界の物理学の調整、 arxiv （2025）。 doi：10.48550/arxiv.2502.01143…