HOVER – 英偉達推出的通用人形機器人功能控制器1.5M小模型

AI工具1周前發佈新公告 AI管理員
2 0

HOVER是什麼

HOVER是英偉達推出的1.5M小模型,全稱爲“Humanoid Versatile Controller”,即人形機器人的多功能全身神經通用控制器。模型用150萬參數實現對機器人複雜動作的控制,能適應多樣任務如導航、桌面操作和移動操作等,每種任務需要獨特的控制模式。HOVER的核心創新在於用全身運動模仿作爲各種任務的通用抽象,提供通用的運動技能,用在學習多種全身控制模式。基於多模式策略蒸餾框架將不同控制模式整合到統一的策略中,實現模式間的無縫切換,且保留每種模式的優勢,提高未來人形機器人應用的效率和靈活性。

HOVER – 英偉達推出的通用人形機器人功能控制器1.5M小模型

HOVER的主要功能

  • 多模式控制:HOVER能無縫切換不同的控制模式,如導航、桌面操作和移動操作等,每種模式都有特定的控制需求。
  • 運動學位置跟蹤:HOVER支持對機器人關鍵部位的3D位置進行跟蹤,實現精確的運動複製。
  • 關節角度跟蹤:HOVER能跟蹤每個機器人電機的目標關節角度,實現複雜的肢體動作。
  • 根跟蹤:HOVER能跟蹤機器人的根速度、高度和方向,對保持平衡和執行動態動作至關重要。
  • 統一命令空間:HOVER設計統一的命令空間,適應各種控制設備,如操縱桿、動作捕捉系統、外骨骼和虛擬現實頭設。
  • 策略蒸餾:HOVER從Oracle策略中提取和蒸餾,將多種控制技能整合到單一的“通用策略”中,提高效率和靈活性。

HOVER的技術原理

  • 本體感覺和命令屏蔽:HOVER基於本體感覺(機器人自身的狀態感知)和命令屏蔽(選擇性激活不同的命令空間)確定任務命令,支持獨立控制機器人的上半身和下半身。
  • 多模式策略蒸餾框架:HOVER用策略蒸餾技術,將從大規模人類運動數據中學習到的Oracle策略轉化爲能處理多種控制模式的單一策略。
  • DAgger框架:HOVER採用DAgger(Dataset Aggregation)框架對齊學生策略和Oracle策略的動作,基於監督學習優化學生策略。
  • 模擬訓練:HOVER的訓練在NVIDIA Isaac模擬套件中進行,套件基於GPU加速,能快速模擬長時間的訓練,將模型遷移到現實世界中,無需額外的微調。
  • 統一命令空間設計:HOVER的命令空間設計既通用又原子,能覆蓋大多數現有的控制配置,且能任意組合支持各種模式。
  • 運動重定向:HOVER能將人類動作數據集重定向爲機器人動作數據集,基於匹配關鍵點和優化參數實現。

HOVER的項目地址

  • 項目官網:hover-versatile-humanoid.github.io
  • arXiv技術論文:https://arxiv.org/pdf/2410.21229

HOVER的應用場景

  • 導航與移動:HOVER能控制人形機器人在複雜環境中進行導航和移動,如在不平坦的地面上行走或在狹窄的空間中穿梭,適於搜索救援、導覽服務等場景。
  • 桌面操作:在需要精細操作的桌面任務中,如組裝電子元件或進行實驗室工作,HOVER能精確控制機器人的上肢和手部關節,實現複雜的手眼協調操作。
  • 移動操作(Loco-manipulation):結合移動與操作的任務,例如在移動過程中抓取和搬運物體,HOVER能協調機器人的全身動作,實現流暢的搬運和操作任務。
  • 人機交互:HOVER支持各種輸入設備(如VR頭盔、動作捕捉系統、外骨骼)進行人機交互,讓機器人能模仿人類的動作和行爲,適於娛樂、教育和培訓等領域。
  • 遠程操作與仿真:在遠程操作場景中,HOVER能實時響應操作者的指令,執行精確的遠程任務,如遠程手術輔助或危險環境作業。
© 版權聲明

相關文章

暫無評論

暫無評論...