全球顶尖科研力量联合发力 人形机器人控制技术迎来重大突破
美国亚马逊FAR实验室携手麻省理工学院、加州大学伯克利分校、斯坦福大学和卡内基梅隆大学等世界级研究机构,最新研发的OmniRetarget智能数据生成系统在机器人控制领域取得里程碑式进展。这项创新技术通过革命性的空间交互网格建模方案,使得人形机器人的动作轨迹生成达到前所未有的精准度,有力推动了复杂场景下机器人运动控制的发展。
在公开的技术演示中,宇树科技G1人形机器人的表现令人惊叹——在没有视觉传感器和激光雷达辅助的纯本体感知状态下,机器人不仅自主完成了搬运、攀爬等系列高难度动作,还展现了出色的动态平衡能力:先将座椅精准移至桌旁,以此为支撑攀上桌面,最后通过连续翻滚安全落地,整套动作一气呵成持续约30秒。
OmniRetarget引擎的创新性体现在其对三维空间关系的智能建模上。该系统通过精确计算智能体、操作对象与环境之间的动态接触点,构建实时变化的交互网格网络。在轨迹生成时采用智能算法平衡人类动作示范与机器人执行差异,同时严格遵循生物力学原理,确保每个动作既自然流畅又符合物理规律。
实验数据显示,这项技术多项指标远超传统方法。研究团队从海量运动数据库中提取数据进行目标追踪训练,生成了累计超过9小时的高品质动作轨迹。这些数据在动作稳定性和运动规范性方面均创造行业新标杆,为机器学习算法提供了前所未有的优质训练素材。
基于这套系统训练的感知强化学习模型,在宇树G1机器人上展示了惊人的学习能力。仅用5个基础奖励函数和简单的随机化训练,机器人就快速掌握了包括高难度翻滚、障碍攀越、精准跳跃等复杂技能,完全跳过了传统方法需要的繁复编程过程。
在多样化应用场景测试中,系统展现了卓越的泛化能力:单是物品搬运任务就能生成8种不同风格的动作方案,可满足快速运输、安全保障、节能高效等多元需求。其他测试场景如低姿匍匐、障碍跨越、定点跳跃等,都证实了该系统对不同地形条件和操作要求的强大适应力。
研究人员强调,这种基于大数据驱动的解决方案特别适合应对非结构化环境的挑战。通过将人类运动智慧转化为机器人可执行的精确指令,该系统显著降低了复杂场景下的编程门槛,为家庭服务机器人、紧急救援设备等实际应用场景提供了坚实的技术支撑。
