Waarom vertrouwt u ons bedrijf?
We halen de paniek uit de inkoop. We hebben miljoenen moeilijk te vinden onderdelen uit onze vertrouwde bronnen op voorraad. We vernieuwen onze productvermeldingen met minuten en online aankopen worden in realtime voltooid en elke dag verzonden.
MFGChips, opgericht in 2002, is een lokale leider in de distributie van elektronische componenten en wordt tegenwoordig ook erkend als een van de meest gerespecteerde en innovatieve bedrijven op de lokale markt. MFGChips heeft zijn hoofdkantoor in Hong Kong en heeft een indrukwekkende reputatie opgebouwd voor het leveren van uitstekende service en het ontwikkelen van efficiënte, uitgebreide wereldwijde supply chain-oplossingen.
Kom meer te weten >
Training robots voor atletische bewegingen
Kunnen robots bewegen als atleten?Een nieuw trainingsmodel helpt hen om sportbewegingen te repliceren, maar de resultaten tonen zowel vooruitgang als onverwachte uitdagingen.
Een team van AI- en robotica -onderzoekers van Carnegie Mellon University, samen met twee collega's uit Nvidia, heeft een nieuw model gecreëerd om robots te trainen om te bewegen als menselijke atleten.Het team merkte op dat de meeste robotopleiding zich richt op voortbeweging, wat leidt tot robots die efficiënt maar zonder vloeibaarheid of atletiek gaan.Om dit aan te pakken, verkenden ze training van het hele lichaam.Ze ontdekten dat bestaande modellen aanpassingsvermogen misten en vertrouwden op te veel parameters, waardoor robotbewegingen te voorzichtig waren.Dit leidde ertoe dat ze een nieuw trainingskader voor twee fasen ontwikkelen.
De eerste fase traint een AI-module om menselijke bewegingsvideo's van het hele lichaam te analyseren, waarbij belangrijke bewegingen worden aangepast om te passen bij de mogelijkheden van de robot met behulp van motion tracking.De tweede fase verzamelt real-world gegevens om de kloof tussen menselijke beweging in video's te overbruggen en hoe robots fysiek kunnen bewegen.Dit proces leidde tot een raamwerk genaamd uitlijningssimulatie en echte fysica (ASAP).
Het ASAP -framework bestaat uit vier stappen.Ten eerste omvat het volgen van bewegingsopleiding en reële trajectcollectie het retargeting van humanoïde bewegingen van menselijke video's.Meerdere beleid voor het volgen van bewegingen zijn vooraf getraind om real-world bewegingstrajecten te genereren.Vervolgens wordt training van Delta Action Model-training uitgevoerd met behulp van uitrol-gegevens van de real-world.Deze stap minimaliseert de discrepantie tussen de gesimuleerde toestand en de werkelijke echte toestand, waardoor de nauwkeurigheid van het model wordt verbeterd.
In de fase van het beleid is het delta-actiemodel bevroren en geïntegreerd in de simulator om beter aan te passen aan de praktijkfysica.Het vooraf getrainde motion trackingbeleid wordt vervolgens verfijnd voor meer precisie.Ten slotte wordt in real-world implementatie het verfijnde beleid direct in de echte wereld geïmplementeerd zonder te vertrouwen op het Delta-actiemodel, waardoor de robot onafhankelijk van zijn getrainde bewegingen kan uitvoeren.
Om het raamwerk te testen, hebben de onderzoekers een robot getraind om iconische sportbewegingen te repliceren.Het voerde het fadeaway-jump-shot van Kobe Bryant uit, LeBron James 'Silencer Move en Cristiano Ronaldo's Siu-sprong met een spin in de lucht.Elke beweging werd opgenomen.
De bewegingen van de robot lijken duidelijk op de beroemde sportbewegingen, wat de vooruitgang in de beweging van het hele lichaam benadrukt.Het is echter ook duidelijk dat veel meer werk nodig is voordat een robot kan worden aangezien voor een professionele atleet.
Een team van AI- en robotica -onderzoekers van Carnegie Mellon University, samen met twee collega's uit Nvidia, heeft een nieuw model gecreëerd om robots te trainen om te bewegen als menselijke atleten.Het team merkte op dat de meeste robotopleiding zich richt op voortbeweging, wat leidt tot robots die efficiënt maar zonder vloeibaarheid of atletiek gaan.Om dit aan te pakken, verkenden ze training van het hele lichaam.Ze ontdekten dat bestaande modellen aanpassingsvermogen misten en vertrouwden op te veel parameters, waardoor robotbewegingen te voorzichtig waren.Dit leidde ertoe dat ze een nieuw trainingskader voor twee fasen ontwikkelen.
De eerste fase traint een AI-module om menselijke bewegingsvideo's van het hele lichaam te analyseren, waarbij belangrijke bewegingen worden aangepast om te passen bij de mogelijkheden van de robot met behulp van motion tracking.De tweede fase verzamelt real-world gegevens om de kloof tussen menselijke beweging in video's te overbruggen en hoe robots fysiek kunnen bewegen.Dit proces leidde tot een raamwerk genaamd uitlijningssimulatie en echte fysica (ASAP).
Het ASAP -framework bestaat uit vier stappen.Ten eerste omvat het volgen van bewegingsopleiding en reële trajectcollectie het retargeting van humanoïde bewegingen van menselijke video's.Meerdere beleid voor het volgen van bewegingen zijn vooraf getraind om real-world bewegingstrajecten te genereren.Vervolgens wordt training van Delta Action Model-training uitgevoerd met behulp van uitrol-gegevens van de real-world.Deze stap minimaliseert de discrepantie tussen de gesimuleerde toestand en de werkelijke echte toestand, waardoor de nauwkeurigheid van het model wordt verbeterd.
In de fase van het beleid is het delta-actiemodel bevroren en geïntegreerd in de simulator om beter aan te passen aan de praktijkfysica.Het vooraf getrainde motion trackingbeleid wordt vervolgens verfijnd voor meer precisie.Ten slotte wordt in real-world implementatie het verfijnde beleid direct in de echte wereld geïmplementeerd zonder te vertrouwen op het Delta-actiemodel, waardoor de robot onafhankelijk van zijn getrainde bewegingen kan uitvoeren.
Om het raamwerk te testen, hebben de onderzoekers een robot getraind om iconische sportbewegingen te repliceren.Het voerde het fadeaway-jump-shot van Kobe Bryant uit, LeBron James 'Silencer Move en Cristiano Ronaldo's Siu-sprong met een spin in de lucht.Elke beweging werd opgenomen.
De bewegingen van de robot lijken duidelijk op de beroemde sportbewegingen, wat de vooruitgang in de beweging van het hele lichaam benadrukt.Het is echter ook duidelijk dat veel meer werk nodig is voordat een robot kan worden aangezien voor een professionele atleet.