Uma equipe de pesquisa da NVIDIA recentemente fez um grande avanço no campo do controle de robôs. Seu sistema de rede neural, chamado HOVER, alcançou um controle eficiente de robôs humanoides com uma quantidade extremamente reduzida de parâmetros, superando até mesmo sistemas de controle projetados especificamente para essa finalidade.
Com apenas 1,5 milhão de parâmetros, o sistema HOVER consegue lidar com o controle de movimentos complexos de robôs. Em comparação, modelos de linguagem grandes comuns costumam exigir centenas de bilhões de parâmetros. Essa surpreendente eficiência de parâmetros demonstra a sofisticação do design do sistema.
O treinamento do HOVER foi realizado no ambiente de simulação Isaac da NVIDIA, que acelera os movimentos do robô em 10.000 vezes. O pesquisador da NVIDIA, Jim Fan, revelou que isso significa que um ano de treinamento no espaço virtual pode ser concluído em apenas 50 minutos usando uma única GPU.
Um dos principais destaques do sistema é sua excepcional adaptabilidade. Ele pode ser transferido diretamente do ambiente de simulação para robôs reais sem ajustes adicionais e suporta vários métodos de entrada: pode rastrear movimentos da cabeça e das mãos usando dispositivos XR como o Apple Vision Pro, obter dados de posição corporal completa por meio de captura de movimento ou câmeras RGB, coletar ângulos de juntas por meio de exoesqueletos e até mesmo ser controlado usando um joystick de videogame padrão.
Ainda mais surpreendente é que o HOVER superou sistemas desenvolvidos especificamente para um único método de entrada em cada método de controle. O principal autor, Tairan He, especula que isso pode ser devido à compreensão profunda do sistema de conceitos físicos como equilíbrio e controle preciso de membros, permitindo a transferência de conhecimento entre diferentes métodos de controle.
O sistema é baseado nos projetos de código aberto H2O & OmniH2O e pode controlar qualquer robô humanoide que possa ser executado no simulador Isaac. Atualmente, a NVIDIA disponibilizou exemplos e códigos no GitHub, abrindo novas possibilidades para pesquisa e desenvolvimento de robôs.