Maison
Présentation de l'architecture du robot humanoïde OmniXtreme : l'adaptation du flux permet de relever les défis liés aux mouvements hautement dynamiques
Unitree a officiellement publié et mis en open source son architecture de contrôle des mouvements pour robots humanoïdes, baptisée OmniXtreme, accompagnée d’un article technique rédigé par son fondateur, Wang Xingxing. Cette architecture apporte une réponse complète aux défis liés à la perte de fidélité des mouvements et à l’instabilité physique lors de l’exécution de vastes bibliothèques de mouvements dans des environnements hautement dynamiques, tels que les spectacles sur scène pour robots humanoïdes.

L'architecture OmniXtreme utilise un cadre d'entraînement en deux étapes. La première étape, le pré-entraînement évolutif basé sur les flux, synthétise des compétences complexes et hautement dynamiques — notamment les sauts périlleux arrière, les arts martiaux et la danse de rue — issues de diverses stratégies d'experts en un modèle unifié. Elle apprend les trajectoires de mouvement grâce à la correspondance de flux générative, surmontant ainsi efficacement les conflits de gradient typiques de l'apprentissage par renforcement multitâche. La deuxième étape, le post-entraînement tenant compte de l'actionnement, intègre un apprentissage par renforcement résiduel et une modélisation détaillée de l'enveloppe couple-vitesse. Cela permet au robot d'ajuster de manière autonome ses actions en fonction des limites physiques des moteurs en temps réel et de la dynamique de la puissance régénérative.
Les résultats expérimentaux indiquent que cette architecture a atteint un taux de réussite de 96,36 % pour les sauts périlleux arrière sur la plateforme matérielle Unitree G1, avec une latence d'inférence de bout en bout réduite à 10 millisecondes. La publication en open source d'OmniXtreme met non seulement en évidence la forte évolutivité de la technologie de correspondance de flux dans l'IA incarnée, mais marque également un tournant pour les robots humanoïdes, qui passent de la reproduction de compétences isolées à la possession d'une mobilité générale de haute fidélité. Elle établit un cadre technique crucial permettant à l'industrie de développer des systèmes de contrôle robustes dans des environnements réels complexes.
Article connexe
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés
Conformité des véhicules autonomes en Californie : une nouvelle ère marquée par les amendes, les zones de géolocalisation et 1 million de miles
Guident exploite une navette AuveTech dans le sud de la Floride, gérant un parcours de quatre miles à West Palm Beach et un parcours d’un mile à Boca Raton grâce à sa technologie de surveillance à dis
Recommandations de sujets spéciaux liés
commentaires (0)
Unitree a officiellement publié et mis en open source son architecture de contrôle des mouvements pour robots humanoïdes, baptisée OmniXtreme, accompagnée d’un article technique rédigé par son fondateur, Wang Xingxing. Cette architecture apporte une réponse complète aux défis liés à la perte de fidélité des mouvements et à l’instabilité physique lors de l’exécution de vastes bibliothèques de mouvements dans des environnements hautement dynamiques, tels que les spectacles sur scène pour robots humanoïdes.

L'architecture OmniXtreme utilise un cadre d'entraînement en deux étapes. La première étape, le pré-entraînement évolutif basé sur les flux, synthétise des compétences complexes et hautement dynamiques — notamment les sauts périlleux arrière, les arts martiaux et la danse de rue — issues de diverses stratégies d'experts en un modèle unifié. Elle apprend les trajectoires de mouvement grâce à la correspondance de flux générative, surmontant ainsi efficacement les conflits de gradient typiques de l'apprentissage par renforcement multitâche. La deuxième étape, le post-entraînement tenant compte de l'actionnement, intègre un apprentissage par renforcement résiduel et une modélisation détaillée de l'enveloppe couple-vitesse. Cela permet au robot d'ajuster de manière autonome ses actions en fonction des limites physiques des moteurs en temps réel et de la dynamique de la puissance régénérative.
Les résultats expérimentaux indiquent que cette architecture a atteint un taux de réussite de 96,36 % pour les sauts périlleux arrière sur la plateforme matérielle Unitree G1, avec une latence d'inférence de bout en bout réduite à 10 millisecondes. La publication en open source d'OmniXtreme met non seulement en évidence la forte évolutivité de la technologie de correspondance de flux dans l'IA incarnée, mais marque également un tournant pour les robots humanoïdes, qui passent de la reproduction de compétences isolées à la possession d'une mobilité générale de haute fidélité. Elle établit un cadre technique crucial permettant à l'industrie de développer des systèmes de contrôle robustes dans des environnements réels complexes.
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés











