China stellt leistungsstarkes 4-Milliarden-Parameter-Robotermodell mit Edge-Performance vor

Laut Horizon Robotics stellt das neue Modell einen wesentlichen Fortschritt in der skalierbaren Steuerung humanoider Roboter und der Bereitstellung: HoloMotion-1 ist ein Grundlagenmodell für menschliche Bewegungen, das laut Pan Daily die Echtzeit-Ganzkörpersteuerung ß angelegtes Bewegungslernen verbessert.

HoloMotion-1 ist ein System, das entwickelt wurde, um humanoiden Robotern zu helfen, menschliche Bewegungen in Echtzeit zuverlässiger nachzuahmen und auszuführen.

Anstatt sich ausschließlich auf kleine Motion-Capture (MoCap)-Datensätze zu verlassen, die Aufnahmen menschlicher Bewegungen in kontrollierten Umgebungen darstellen, nutzt es eine deutlich größere und vielfältigere Sammlung ören kuratierte MoCap-Daten, innerhalb des Unternehmens erstellte Bewegungsdaten sowie aus Videos rekonstruierte Bewegungen, die „in der Wildnis" aufgenommen wurden.

Diese Mischung bietet dem Roboter eine

Diese Mischung bietet dem Roboter eine deutlich breitere Palette an Beispielen, was ihm hilft, neue oder unbekannte Bewegungen sowie Situationen zu bewältigen, in denen seine Sensoren nicht perfekt funktionieren. Zero-Shot-Transfer der HoloMotion-Policy in die reale Welt.

Um diese komplexen Daten zu verwalten, verwendet HoloMotion-1 ein auf Transformer basierendes neuronales Netz, eine Art Deep-Learning-Modell, das sich besonders gut zur Erfassung äufen eignet, wie beispielsweise Bewegungsabfolgen.

Laut dem Forschungsbericht des Unternehmens übertrifft dies ältere MLP (Multi-Layer Perceptron)-Politiken, die einfachere neuronale Netze sind und bei langen sowie komplexen Bewegungsabläufen an Grenzen stoßen. Für eine effiziente Echtzeitnutzung auf Robotern setzt das System einen Mixture-of-Experts (MoE) Transformer ein.

Technik und Auswirkungen

Dies bedeutet, dass in jedem Schritt nur wenige Komponenten („Experten") des Modells aktiviert werden, wodurch Rechenleistung gespart wird. Zudem wird ein KV-Cache (Key-Value-Cache) verwendet, eine Technik, die wiederholte Berechnungen beschleunigt. In Kombination ermöglichen dies dem System eine Laufzeit 300 Bildern pro Sekunde auf Edge-Geräten.

Abschließend nutzt das System eine auf Sequenzebene angewandte PPO (Proximal Policy Optimization)-Trainingsmethode. PPO ist eine Verstärkungslearning-Technik, die hier auf gesamte Bewegungssegmente statt auf einzelne Zeitpunkte angewendet wird, wodurch das Training bei der Nutzung großer, gemischter Datensätze effizienter und stabiler wird.

Agile humanoide NachverfolgungUm zu testen, wie gut das System in der realen Welt funktioniert, wurde HoloMotion-1 direkt auf einen Unitree G1 humanoiden Roboter installiert. Wichtig ist, dass dies ohne zusätzliche Schulung mit realen Welt-Daten erfolgte.

Technik und Auswirkungen

Alle für die Bewegung des Roboters benötigten Berechnungen wurden auf seinem integrierten Computersystem durchgeführt. Das System nutzt den MoE-Transformer zusammen mit einer Technik namens KV-Cache, die es dem Modell ermöglicht, frühere Berechnungen effizient wiederzuverwenden.

Laut Horizon Robotics ermöglicht diese Kombination dem Roboter, sehr schnelle Entscheidungen zu treffen; er läuft auf seiner Bordhardware mit etwa 200–300 Zyklen pro Sekunde. Gleichzeitig läuft das Bewegungssystem des Roboters mit 50 Zyklen pro Sekunde, um eine gleichmäßige und stabile Bewegung sicherzustellen.

Die Ergebnisse zeigen, dass der Roboter das in der Simulation Gelernte erfolgreich in die reale Welt übertragen konnte, ohne zusätzliche Anpassungen. Er war in der Lage, zahlreiche verschiedene Bewegungen auszuführen, die er im physischen Hardware-System nie direkt trainiert hatte, darunter Tanzen, Krabbeln, Sitzen und Stile nach dem Vorbild der Kampfkünste.

Technik und Auswirkungen

Das System wurde zudem mit Live-Steuerung durch Menschen getestet, unter anderem mithilfe ügen und VR-basierten Controllern. In diesen Tests folgte der Roboter den menschlichen Bewegungen präzise und reagierte flüssig, was ein stabiles und zuverlässiges Echtzeit-Tracking der Benutzeraktionen demonstrierte.

Die Forscher betonen, dass HoloMotion einen vierstufigen Plan für die Steuerung: „Imitate Any Pose" (Jede Pose imitieren), „ Any Command" (Jeden Befehl befolgen), „Move on Any Terrain" (Auf jedem Gelände bewegen) und „Control Any Robot Type" (Jede Robotertyp steuern).

HoloMotion-1 vollendet den ersten Schritt, indem Roboter viele menschliche Bewegungen aus Videos oder Live-Eingaben kopieren können. Es dient zudem als Grundlage für zukünftige Verbesserungen.