Nvidia разработала новый метод адаптации навигационных систем роботов, который упрощает процесс переноса навыков без необходимости полного переобучения. Система COMPASS (Cross-Embodiment Mobility Policy via Residual RL and Skill Synthesis) позволяет использовать уже обученные модели для новых роботов и сцен, сокращая время и затраты на обучение.
Что такое COMPASS?
COMPASS предлагает гибкий фреймворк, который обеспечивает адаптацию поведения роботов, используя опыт, полученный от других моделей. В основе системы лежит использование предварительно обученной навигационной политики X-Mobility от Nvidia, на базе которой можно создавать специализированные политики для каждой новой среды. Путем применения методов резидуального обучения с подкреплением (RL) сокращается необходимость полного переобучения системы.
На практике это означает, что разработчики могут быстрее адаптировать роботов к новым средам, используя существующие данные и ресурсы.
Как это работает
Система использует агентный подход для упрощения задач валидации, подготовки активов, тренировки и оценки. Разработчики задают параметры нового робота и среды, и автоматизированная система производит необходимые действия, включая диагностику и тестирование перед внедрением. Теперь управление навигацией может осуществляться через уже привычные инструменты разработки, такие как NVIDIA Isaac Sim и ROS 2.
Nvidia также интегрировала поддержку для использования одометрии, что позволяет улучшить точность навигации даже в средах с недостаточной предварительной информацией. Для наглядности, в роли референсного робота используется четырёхлапый Spot от Boston Dynamics, демонстрируя, как новинка может быть адаптирована для различных задач.
Практическое значение для разработчиков
Для компаний, работающих с робототехникой, внедрение системы COMPASS означает значительное сокращение затрат на обучение и временные ресурсы. Возможность повторно использовать уже обученные модели позволяет ускорить процесс выхода на рынок новых решений. Это особенно актуально для стартапов и средних предприятий в России, которые стремятся оптимизировать свои расходы на разработку.
Следующий шаг для Nvidia — теснее интегрировать новую систему с существующими платформами и расширить возможности поддержки для различных типов роботов и сценариев. Это может изменить подход к разработке робототехнических решений во многих отраслях.