🤖 #Автономность
🤖 #Автономность Исследователи ETH Zurich обучили человекоподобного робота Unitree G1 лазать по лестницам, перешагивать препятствия и вставать после падений — и… Ключевая идея — планирование контактов с окружением, а не заучивание последовательности движений. Система ACP (Attention-based Contact Planning) с помощью нейросети решает, куда поставить руки, ноги, локти, колени и даже таз, а отдельный контроллер координирует суставы, чтобы дотянуться до этих точек. Например, при подъёме по лестнице робот сам находит подходящие перекладины для захвата и опоры. 🤖 В симуляции метод показал средний успех 92,5% на восьми полосах препятствий — против 58,8% у baseline MGMT. Цифры симуляционные, но на реальных тестах G1 действительно карабкался по лестницам, переползал узкие проёмы, преодолевал «кочки» и восстанавливался после опрокидывания. ⚙️ Для восприятия используется LiDAR — сканер на 20 000 точек обрабатывается за 30 мс на Jetson Orin NX. Обучение проходило в три этапа: сначала контроллер учился выполнять планы контактов на 13 минутах человеческих движений, затем planner и controller тренировались совместно, а reinforcement learning добавил адаптацию к новым средам. В работе роботу не нужны эталонные движения — только данные с борта и цель. Пока система рассчитана на перемещение по рельефу и локальное движение к цели; задачи с захватами и навесными контактами требуют более продвинутого 3D-восприятия. Но сама идея — один generalist-подход для разных сред и типов движения — серьёзный шаг к универсальной мобильности гуманоидов. #УчиДрон
Канал в каталоге Максиметера
2 224 подписчиков · IT и технологии