NVIDIA представила серию новых исследований в области робототехники, где роботы обучаются исключительно в виртуальной среде, а затем успешно выполняют задачи в реальном мире. Разработки охватывают навигацию, захват предметов, сборку и даже элементы логического мышления, приближая индустрию к более универсальным автономным машинам.
На Международной конференции по робототехнике и автоматизации (ICRA) компания NVIDIA представила сразу несколько научных работ, посвященных одной из самых сложных проблем современной робототехники — так называемому разрыву между симуляцией и реальностью. Обычно роботы, идеально работающие в виртуальной среде, начинают ошибаться после выхода из лаборатории, сталкиваясь с непредсказуемыми условиями настоящего мира.
Теперь NVIDIA утверждает, что этот барьер постепенно удается преодолеть. Восемь исследований, принятых к публикации на ICRA, демонстрируют, что системы, полностью обученные в симуляции, начинают гораздо увереннее работать в физических условиях.
Одной из самых заметных разработок стала система COMPASS. Она обучает роботов в виртуальной среде NVIDIA Isaac Lab, после чего переносит полученные навыки на реальные платформы — от мобильных машин до человекоподобных роботов. В серии испытаний система показала около 80% успешных навигационных попыток, а итоговая эффективность оказалась в несколько раз выше по сравнению с традиционными методами обучения.
Еще один проект под названием Grasp-MPC сосредоточен на захвате объектов в сложной и загроможденной среде. Вместо заранее заданного движения робот постоянно корректирует траекторию прямо во время приближения к предмету. Для обучения модели исследователи использовали около двух миллионов виртуальных траекторий и тысячи объектов. В реальных тестах система успешно справлялась с незнакомыми предметами примерно в 75% случаев — это заметно выше результатов классических алгоритмов.
NVIDIA также показала систему для работы с гибкими и запутанными объектами. Роботы учились взаимодействовать с материалами вроде ветвей деревьев или проводов, используя не только захват, но и всю поверхность руки. Такой подход делает движения более «человеческими» и позволяет аккуратно смещать или удерживать сложные объекты.
Часть исследований посвящена более интеллектуальному поведению машин. Например, система SPARR делит роботизированную сборку на два этапа: сначала робот обучается в симуляции, а затем отдельный слой уже в реальном мире корректирует ошибки, возникающие из-за различий между виртуальной и физической средой. По данным NVIDIA, это заметно повысило успешность сборки и ускорило выполнение задач.
Еще одна технология под названием PEEK помогает роботам игнорировать визуальный шум и концентрироваться только на действительно важных объектах. А система SEAL позволяет машине анализировать сразу несколько вариантов действий перед выполнением команды, снижая вероятность ошибок.
В NVIDIA считают, что подобные разработки становятся основой для нового поколения универсальных роботов, которые смогут адаптироваться к изменяющимся условиям без жесткого программирования каждого шага. Для этого компания продолжает развивать экосистему Isaac Lab, Omniverse и другие платформы моделирования, которые используются для обучения машин в полностью виртуальной среде.
💡 Читайте также:
Понравился материал?
Подписывайтесь на наши каналы в Дзене, VK, OK и Telegram и заходите на наш сайт Techdgst.ru, где мы публикуем еще больше новостей о технологиях и науке.