ربات انساننمای XMimic و XSoma که تقلید حرکت و راه رفتن روی زمین ناهموار رو توی کمتر از یه دقیقه یاد میگیره
🤖 آموزش رباتهای Humanoid (انساننما) توی شبیهساز این روزها خیلی سریعتر از قبل شده، ولی هنوز یه گیر جالب داره: اگه GPU (پردازندهی گرافیکی) قویتری بذارید، آموزش لزوماً سریعتر نمیشه.
مسئله چیه؟
یه خانواده از روشها هست که بهجای اینکه ربات فقط با آزمون و خطا توی شبیهساز یاد بگیره، اول یه World Model (مدل جهان) از خود ربات یاد میگیرن؛ یعنی مدلی که حدس میزنه با هر حرکت، قدم بعدی ربات چی میشه. بعد Policy (سیاست کنترلی) ربات رو چند قدم توی همین مدل بهصورت خیالی اجرا میکنن و مستقیم از گرادیان همون مسیر خیالی یاد میگیرن. روشهای قبلی مثل BlinkMimic با همین ایده، یاد گرفتن هر ۴۰ کلیپ حرکتی دیتاست LAFAN1 رو روی ربات Unitree G1 به حدود ۳ دقیقه رسونده بودن.
گیر کار اینجاست که هر دور آموزش یه زنجیرهی طولانی از عملیاتهای کوچیکه که باید پشت سر هم اجرا بشن. پس زمانش رو تعداد این عملیاتها تعیین میکنه، نه قدرت GPU. به گفتهی نویسندهها، BlinkMimic روی H100 تقریباً همونقدر سریعه که روی RTX 4090. از اون طرف، این روشها تا حالا بیشتر برای Motion Tracking (دنبال کردن حرکت مرجع) استفاده شده بودن و برای Locomotion (راه رفتن) روی زمین ناهموار، سریعترین روشها هنوز بدون مدل جهان کار میکردن؛ مثلاً FastSAC (یه روش سریع یادگیری تقویتی) حدود ۱۵ دقیقه روی یه GPU وقت میخواد.
ایدهی اصلی
Nico Bohlinger و Jan Peters از TU Darmstadt دو تا روش ساختن: XMimic برای تقلید حرکت و XSoma برای راه رفتن. چند تا ترفند اصلی دارن:
- کل حلقهی آموزش، همراه با شبیهساز MuJoCo Warp، با JAX کامپایل میشه و زنجیرهی عملیاتها کوتاهتر شده.
- چون Policy و مدل جهان از یه دور به دور بعد خیلی کم عوض میشن، مراحل لازم نیست منتظر هم بمونن. توی XMimic جمع کردن داده، بهروزرسانی مدل جهان و بهروزرسانی Policy همزمان روی GPUهای جدا اجرا میشن و GPU چهارم ارزیابیها رو انجام میده.
- توی XSoma فقط دینامیک خود ربات به مدل جهان سپرده شده و بقیهچیز، مثل ارتفاع زمین زیر پای ربات، دقیق حساب میشه. این روش با افق یکثانیهای و بدون Critic (شبکهی ارزشگذار) یاد میگیره.
نتیجه چی شد؟
⏱️ عددها اینطوری شد:
- تقلید حرکت: XMimic روی چهار تا H100 هر ۴۰ کلیپ LAFAN1 رو با Unitree G1 توی ۰.۸۶ دقیقه یاد گرفته؛ ۳.۷ برابر سریعتر از BlinkMimic روی یه GPU. روی یه GPU هم ۱.۳ برابر سریعتره. پخش کردن کار بین GPUها هم فقط حدود ۱۰ درصد دور آموزشی بیشتر لازم داشته.
- راه رفتن روی زمین ناهموار: XSoma به هدفی که تستهای Holosoma (چارچوب آموزش ربات انساننما) برای FastSAC گذاشتن، توی ۰.۷۷ دقیقه رسیده؛ ۱۲.۳ برابر سریعتر از FastSAC روی یه GPU و فقط با یکهشتم قدمهای شبیهسازی اون. روی یه GPU هم ۲.۵ دقیقه طول کشیده، یعنی ۳.۸ برابر سریعتر.
- دقت: بعد از ۱۵ دقیقه، خطای سرعت XSoma یکسوم کمتر از FastSAC بوده. PPO (روش رایج یادگیری تقویتی) هم توی یه ساعت اول اصلاً به این هدف نرسیده.
محدودیتها
⚠️ همهی این آموزشها و ارزیابیها فقط توی شبیهساز انجام شده و هنوز روی ربات واقعی G1 تست نشده. زمانهای گزارششده راهاندازی و کامپایل رو حساب نمیکنن؛ این بخش ۲۰ تا ۴۰ ثانیه طول میکشه و اگه برنامهها از قبل ذخیره نشده باشن، تا حدود ۳ دقیقه. روی چهار GPU هم حالا بخش جمع کردن داده گلوگاه شده. خود نویسندهها میگن قدم بعدی، اجرا روی ربات واقعی و زمینهای سختتره.
📅 تاریخ انتشار مقاله: ۱۶ نوامبر ۲۰۲۶
#مقاله_علمی #رباتیک #ربات_انسان_نما