NVIDIA、卡內基美隆大學等機構的研究團隊最近發布了一個名為HOVER的人型機器人控制系統，是首個能在一個統一架構下支援多種控制模式的神經網絡控制器。
這系統能讓人型機械人執行多種不同任務，包括導航、行走操作及桌面物件操作等，每個任務都需要不同控制模式。研究團隊發現，透過全身運動模仿作為共同抽象層，可以為所有任務提供通用運動技能，有助於學習多種全身控制模式。
HOVER系統採用了較新的框架，能將各種控制模式整合成一個統一政策，可以讓機器人在不同模式之間無縫切換，同時保持每種模式的優勢，為人型機械人提供一個穩健且靈活的控制方案。
研究團隊在物理引擎及實體聯藝H1機器人上進行了大量測試，結果表明HOVER在20個不同的站立動作序列中，11個指標都優於專門針對特定模式訓練的控制器。系統在運動模仿、關節追蹤等方面都展現出比現有系統更好的表現。
HOVER的設計包含一個統一的指令空間，當中包括運動學位置追蹤、局部關節角度追蹤以及根部追蹤等控制模式。系統能通過掩碼機制靈活地啟用或關閉不同的控制元素，實現模式間的無縫切換。
研究團隊表示，相比需要為每種控制模式重新訓練政策的傳統方法，HOVER提供了更有效率和靈活性的解決方案，為未來人型機械人應用奠定基礎。本研究對推動通用人型機械人控制技術的發展具有重要意義。
參考來源：https://arxiv.org/abs/2410.21229
*開版圖由AI生成。
