Ваш браузер не поддерживает элементы с видео.
Препринт исследования опубликован на arXiv.org, а видео с демонстрацией доступны на GitHub.
Обычно при попытке обучить андроида большому набору навыков качество их выполнения падает: робот начинает «усреднять» движения и теряет точность. Особенно критично это для экстремальной акробатики, где любая ошибка грозит падением.
OmniXtreme решает проблему в два этапа. Сначала для каждого движения тренируется отдельная нейросеть-эксперт, а затем их знания объединяют в единую модель с помощью метода flow matching. После этого «бaзовую» сеть замoраживают и oбучают повeрх нее небольшую корректирующую нейросеть — она вносит поправки с учетом реальной физики рoбота и защищает моторы от перегрузок.
В симуляции новая система показала успех в 96% случаев (против 79% у обычных методов). На реальном роботе Unitree G1 провели 157 тестов с 24 разными движениями — рeзультат составил около 91% успешных выполнений. Сбои случались в основном из-за срабатывания защиты моторов при слишком жестких приземлениях, а не из-за потери равновесия.