产品更新前沿资讯

NVIDIA SOMA Retargeter:将人类动作高效迁移至人形机器人

约 2 分钟阅读

AI最前沿 88Z.ai 11 月 14 日消息,NVIDIA 推出 SOMA Retargeter,利用人体运动数据作为教学起点,通过捕捉协调性与 timing 信息,解决人形机器人运动控制难题。该工具旨在简化从人类演示到机器人执行的映射过程,提升开发效率。

消息要点

  • 人类演示包含协调性与时间信息,是机器人运动的优质教学数据
  • SOMA Retargeter 通过重定向技术解决人机形态差异导致的运动映射难题
  • 该工具支持直接利用人类数据集训练,大幅缩短开发迭代周期
  • 技术有助于提升机器人在新环境中的泛化能力,减少硬编码依赖
NVIDIA SOMA Retargeter 界面展示人类动作向机器人模型的映射过程
NVIDIA SOMA Retargeter 界面展示人类动作向机器人模型的映射过程

背景:人类动作为机器人学习提供天然范本

人形机器人的运动控制长期以来面临复杂挑战,传统编程方法难以覆盖所有动态场景。人类运动为机器人学家提供了极佳的教学起点,因为人类演示自然包含了复杂的协调性和精确的时间安排。通过观察和模仿人类动作,机器人可以更直观地理解如何在物理环境中移动,这比从零开始编写运动轨迹更为高效且符合生物力学逻辑。

核心机制:SOMA Retargeter 的动作重定向技术

NVIDIA SOMA Retargeter 的核心功能在于“重定向”(Retargeting)。它能够捕捉人类演示中的关键运动特征,包括肢体协调模式和动作时序,并将其转化为机器人可执行的指令。该技术解决了人类与机器人在形态、自由度及动力学特性上的差异问题,确保传输后的动作既保留人类意图,又符合机器人的物理限制,从而实现平滑自然的运动表现。

应用价值:加速开发与提升泛化能力

借助 SOMA Retargeter,开发者无需手动调整每一个关节角度,而是可以直接利用现成的人类运动数据集进行训练。这不仅大幅缩短了算法迭代周期,还提高了机器人在不同任务场景下的泛化能力。通过标准化的人类动作输入,机器人能够更快地适应新环境,降低了对特定场景硬编码的依赖,为大规模部署人形机器人奠定了数据基础。

资料来源与整理说明

本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述,未将其视为本站实测或独家采访结论。

  1. developer.nvidia.com原始资料发布于

以上日期为原始资料发布日期;标题下方日期为本文在 AI最前沿的发布时间。

相关阅读

全部资讯
Ai最前沿