La célébration Siuuu de Ronaldo : un modèle d'entraînement du corps entier permet aux robots d'imiter les mouvements d'athlètes célèbres
infohightech ·
Une équipe de chercheurs en IA et en robotique de l'Université Carnegie Mellon, en collaboration avec deux collègues de l'entreprise technologique NVIDIA, a développé un nouveau modèle pour entraîner les robots à se déplacer comme des athlètes humains.
Dans leur article publié sur le serveur de pré-impression arXiv , le groupe décrit comment ils ont développé la nouvelle approche pour permettre l'entraînement de mouvements athlétiques du corps entier avec des robots humanoïdes , et dans quelle mesure l'approche a fonctionné jusqu'à présent.
Dans leur nouvelle étude, les chercheurs ont constaté que la plupart des efforts visant à entraîner les robots à effectuer certaines tâches se concentraient principalement sur la locomotion. Le résultat a été le développement d’une multitude de robots capables de se déplacer très bien. Mais aucun d’entre eux, remarque l’équipe, ne le fait avec beaucoup de grâce ; ils manquent de fluidité ou d’athlétisme, caractéristiques des mouvements naturels des animaux. La solution, selon eux, était de se concentrer sur l’entraînement de tout le corps.
En cherchant à développer un entraînement complet du corps, l'équipe a constaté que les modèles d'entraînement actuels manquaient d'adaptabilité et utilisaient souvent trop de paramètres, ce qui entraînait des mouvements trop prudents. Cela les a conduits à développer un nouveau modèle en deux étapes, ou cadre comme ils l'appellent.
La première étape consiste à entraîner un module d’IA à comprendre des vidéos de mouvements du corps humain dans son intégralité, les points saillants étant reciblés pour prendre en compte les capacités du robot en conjonction avec le suivi des mouvements. La deuxième étape consiste à collecter des données du monde réel pour identifier et concilier les différences entre les actions dans le monde réel (la façon dont les personnes se déplacent dans les vidéos) et la façon dont les robots peuvent se déplacer. Le résultat est un cadre que l’équipe appelle Aligning Simulation and Real Physics (ASAP).
Pour tester le nouveau système, les chercheurs ont entraîné un robot à réaliser des mouvements familiers aux fans de sport. Le robot a ainsi réalisé le célèbre tir en fondu de Kobe Bryant, le mouvement Silencer de LeBron James et le saut Siu de Cristiano Ronaldo avec une rotation en plein vol. Chaque exercice impliquant tout le corps a été enregistré au fur et à mesure de son exécution et les résultats ont été publiés sur YouTube.
En les observant, il est facile de reconnaître les mouvements célèbres et de noter les progrès réalisés dans l’amélioration des mouvements du corps entier. Mais il est également facile de voir qu’il reste encore beaucoup de travail à faire avant qu’un robot ne soit un jour pris pour un athlète professionnel.
Reciblage des mouvements vidéo humains vers les mouvements du robot : (a) Les mouvements humains sont capturés à partir de la vidéo. (b) À l'aide de TRAM [93], le mouvement humain 3D est reconstruit au format de paramètres SMPL. (c) Une politique d'apprentissage par renforcement (RL) est formée en simulation pour suivre le mouvement SMPL. (d) Le mouvement SMPL appris est reciblé vers le robot humanoïde Unitree G1 en simulation. (e) La politique RL formée est déployée sur le robot réel, exécutant le mouvement final dans le monde physique. Ce pipeline garantit que les mouvements reciblés restent physiquement réalisables et adaptés au déploiement dans le monde réel. Crédit : arXiv (2025). DOI : 10.48550/arxiv.2502.01143
https://techxplore.com/news/2025-02-body-robots-mimic-famous-athlete.html
https://dx.doi.org/10.48550/arxiv.2502.01143