Une équipe de chercheurs a publié des travaux sur la correspondance de style prédictive (PSM), présentant une approche novatrice pour améliorer la naturalité de la locomotion des robots humanoïdes. La recherche aborde un défi critique en robotique humanoïde: atteindre un mouvement fluide et humain qui maintient à la fois le style et la robustesse.
L'innovation centrale de PSM est un prédicteur hors ligne qui met en correspondance l'historique d'état du corps inférieur du robot et les commandes de vitesse avec les objectifs articulaires et de démarche du corps supérieur. Ce prédicteur n'est utilisé que pendant l'entraînement, permettant au contrôleur déployé de maintenir la même interface proprioceptive et le même coût d'inférence que les approches RL de tâches standard.
Évalué sur le robot humanoïde Unitree G1, PSM atteint environ une réduction d'un ordre de grandeur dans l'erreur de style du corps supérieur tout en maintenant des taux de récupération de chute comparables aux approches standard. Cette recherche représente une avancée significative dans la rendre les robots humanoïdes plus naturels sans sacrifier la stabilité.
