Articles sur Humanoid Robots

Le reciblage de mouvement passe de « points clés clairsemés manuels » à une « correspondance de nuages ​​de points denses apprise ». Cela signifie que la manière dont les robots humanoïdes obtiennent des trajectoires de référence de haute qualité passera d’une conception sémantique artificielle à un alignement automatique basé sur les données, ce qui pourrait briser le goulot d’étranglement de la migration entre les différentes formes de robots et accélérer l’apprentissage des compétences.

L'odométrie des robots humanoïdes passe du « jugement de contact binaire » à la « confiance en observation continue ». Contact ne signifie pas fiabilité. Un appui partiel et un glissement du pied lors de mouvements dynamiques entraîneront une dérive. Une confiance continue peut décrire plus précisément l'état du pied, améliorant ainsi la précision du positionnement sur longue piste.

L’étalonnage des robots humanoïdes passe du recours à des appareils de mesure externes à l’utilisation d’auto-contraintes proprioceptives. Ce changement signifie que l'étalonnage conjoint du décalage peut être intégré aux processus quotidiens d'exploitation et de maintenance afin de réduire les temps d'arrêt. Cependant, l’existence d’un couplage rotationnel indique qu’il existe une limite d’observabilité dans la solution de capteur purement interne, et que la conception matérielle et l’algorithme doivent être optimisés de manière collaborative.

Cette recherche introduit le modèle mondial dans la prise de décision du pied des robots humanoïdes, ce qui signifie que les mouvements visuels ne reposent plus uniquement sur l'image de profondeur actuelle, mais tentent d'utiliser les prédictions du futur proche pour prédire les risques. Cela suggère qu’il pourrait y avoir de nouvelles solutions pour améliorer la robustesse des robots humanoïdes sur des terrains clairsemés, mais la fiabilité et le coût de déploiement du modèle de prédiction restent la clé de la mise en œuvre.

Cet article applique pour la première fois le système de contrôle perceptif par apprentissage par renforcement à la traversée de la structure 3D clairsemée du robot humanoïde (telle qu'une tige de singe). La stratégie consomme directement le nuage de points d'origine du lidar à semi-conducteurs monté sur la tête et extrait les fines caractéristiques géométriques suspendues via l'encodeur d'attention et la mémoire circulaire. Par rapport aux méthodes précédentes qui reposaient sur des modèles précis ou des caractéristiques artificielles, ce système permet un apprentissage de bout en bout à partir des données brutes des capteurs jusqu'aux mouvements agiles du corps entier, marquant une amélioration significative des capacités de mouvement des robots humanoïdes dans des environnements non structurés.

L'intégration des systèmes physiques dans la technologie est devenue un élément clé de la stratégie chinoise visant à intégrer l'intelligence artificielle dans la vie quotidienne, comme en témoigne son leadership dans le domaine des robots humanoïdes. Cela marque la transition de la technologie de l'IA des applications virtuelles aux applications physiques, ce qui a une valeur évidente pour l'industrie de l'IA.