英伟达发布HOVER – 适用于人形机器人的通用控制方案，精简至1.5M参数量

HOVER代表的是什么？

HOVER是英伟达开发的一款小型模型，参数量为150万，其全称“Humanoid Versatile Controller”表明它是一种适用于人形机器人的多功能全身神经控制装置。该模型利用这150万个参数来精确操控机器人执行复杂的动作，并且能够应对包括导航、桌面操作及移动任务在内的多种作业需求，每种作业都要求特定的控制方式。HOVER的关键突破在于采用全身运动模拟作为所有任务的基础抽象形式，以此提供广泛适用的动作技能，适用于学习不同的全方位控制系统。通过一个多模式策略提炼框架整合各种操控模式至单一综合方案中，确保了在不同操作间平滑过渡的同时保留各独立模式的优点，并且提升了未来人形机器人应用的效率和适应性。

HOVER的核心特性

• 多种模式调控HOVER能够流畅地在各种操控模式之间转换，包括导航、处理桌面任务及进行移动端的操作等，每一模式都对应着独特的需求。
• 运动轨迹监测HOVER能够追踪机器人重要部件的三维空间位置，从而达到精准的动作复现。
• 关节角度追踪HOVER能够监控每个机器人电机的预定关节角度，从而完成复杂的肢体操作。
• 根源追踪HOVER能够监控机器人根基的速度、海拔与行进方向，这对于维持稳定性和完成动态操作极为关键。
• 整合指令区域HOVER构建了一致的指令环境，适用于多种操控装置，包括 joystick、运动追踪系统、动力外衣及VR头部显示器。
• 策略提炼HOVER借鉴了Oracle策略的核心要素并进行了提炼，融合各种管控技术于一个“综合方案”之中，从而增强了效能与适应性。

悬浮技术的工作机制

• 躯体感知与指令阻断HOVER依靠对自身状态的感知以及通过筛选激活特定指令集的方式来决定执行的任务，并能够分别操控机器人的上部与下部结构。
• 多种模式的策略提炼架构通过运用策略蒸馏方法，HOVER成功地把在大量人体动作资料上训练得到的理想模型转换为一个能够适应各种操控方式的统一方案。
• DAgger架构HOVER利用DAgger（数据集聚合）框架来同步调整学生策略与Oracle策略的动作，并通过监督学习的方式提升学生策略的性能。
• 仿真练习HOVER 的培训是在 NVIDIA Isaac 模拟软件包内完成的，该软件利用 GPU 加速技术来迅速执行长期的模拟训练，并能够直接将模型应用到实际环境中而不需要进一步调整。
• 一体化指挥架构规划HOVER的设计理念在于其命令空间的广泛适用性和模块化特性，这使得它能够适应当前大部分控制设置，并允许自由组合以兼容多种操作模式。
• 运动转向HOVER能够把人类的动作资料转换成适用于机器人的动作数据库，这一过程通过关键点的对应与参数优化来完成。

访问HOVER项目的具体位置

• 官方网站项目:hover-multipurpose-humanoid.website
• 关于技术的arXiv学术文章访问该论文的PDF版本，请点击此处：https://arxiv.org/pdf/2410.21229

HOVER技术的使用场合

• 指引与位移HOVER能够指导人形机器人在各种复杂的环境下完成导航与移动任务，比如跨越崎岖地形或是穿行于狭小空间之中，使其非常适合应用于搜救行动及导游服务等领域。
• 电脑桌面上的操作步骤当执行诸如装配电子零件或从事实验室作业等要求高度精准的操作时，HOVER能够精妙地操控机器人手臂与手指关节，从而完成需精细手眼协同的任务。
• 机动操控（Mobil-Manipulation）当涉及到整合移动与操控功能的操作时，比如在行进中捕获并运送物品，HOVER能够统一调度机器人各部位的动作，确保整个运输及处理过程顺畅无阻。
• 人类与机器的互动HOVER兼容多种输入装置（例如虚拟现实头显、运动追踪系统及外骨骼装备），实现高效的人机互动，并使机器人能够复制人类的举止与动作，特别适用于娱乐、教学以及训练等多个领域。
• 远程操控及模拟技术于远端操控的情境下，HOVER能够即时反应用户的指挥，并精准地完成诸如远程医疗支援或是高风险区域工作的远距离任务。