En el desarrollo de la robótica, la brecha entre la simulación y el mundo real ha sido un desafío importante. Recientemente, el laboratorio GEAR de NVIDIA y un equipo de investigación de la Universidad Carnegie Mellon desarrollaron un nuevo marco, llamado ASAP (Aligning Simulation and Real Physics), destinado a reducir esta brecha. Este sistema ha logrado un progreso significativo en la reducción del error de movimiento entre la simulación robótica y el movimiento real, reduciendo aproximadamente un 53% el error de movimiento, lo que representa una ventaja significativa sobre los métodos existentes.
El flujo de trabajo del marco ASAP se divide en dos etapas. Primero, el robot se entrena en un entorno virtual, y luego se utiliza un modelo especial para manejar las diferencias del mundo real. Este modelo puede aprender y ajustar las variaciones entre el movimiento virtual y el real, logrando así una conversión de movimiento más precisa. Gracias a este sistema, el robot puede transferir directamente movimientos complejos, como saltos y patadas, del entorno simulado al mundo real.
En las pruebas reales, el equipo de investigación utilizó el robot humanoide Unitree G1, mostrando con éxito una variedad de movimientos ágiles, como saltos hacia adelante de más de un metro. Las pruebas demostraron que el sistema ASAP es significativamente superior a otros métodos existentes en cuanto a precisión de movimiento. Para mostrar el potencial del sistema, los investigadores incluso hicieron que el robot imitara los movimientos de atletas famosos como Cristiano Ronaldo, LeBron James y Kobe Bryant. Sin embargo, durante el experimento también se presentaron algunas limitaciones de hardware: los motores del robot se sobrecalentaban frecuentemente al realizar movimientos dinámicos, y dos robots sufrieron daños durante la recopilación de datos.
El equipo de investigación afirma que esto es solo el comienzo. En el futuro, el marco ASAP podría ayudar a los robots a aprender movimientos más naturales y diversos. Para fomentar la participación de más investigadores, han publicado el código en GitHub, animando a otros investigadores a explorar y desarrollar aún más este marco.
Puntos clave:
🌟 El marco ASAP desarrollado por el equipo de investigación reduce aproximadamente un 53% el error entre la simulación robótica y el movimiento real.
🤖 Mediante el entrenamiento en un entorno simulado y la combinación con un modelo especial, ASAP puede ajustar eficazmente el rendimiento del movimiento del robot en el mundo real.
🏀 En las pruebas, el robot imitó con éxito los movimientos de varias estrellas del deporte, pero durante el experimento surgieron problemas de sobrecalentamiento del hardware y daños en los equipos.
