• Китайские инженеры разработали фреймворк OmniXtreme для обучения единой нейросетевой политике управления человекоподобным роботом.
• OmniXtreme позволяет объединить множество экстремальных движений, включая сальто, стойки на руках, брейк-данс и элементы боевых искусств.
• Фреймворк решает проблему объединения разнообразных навыков без потери качества выполнения.
• Обучение с подкреплением позволило роботам точно повторять сложные движения, включая танцы и акробатику.
• Однако при попытке масштабировать подход возникает проблема деградации качества повторения движений.
• OmniXtreme использует двухэтапную схему обучения: обучение экспертных политик и генеративной модели с помощью метода flow matching.
• Вторая стадия решает проблему переноса движений на реальное «железо» андроида с помощью метода обучения с подкреплением (Residual RL).
• OmniXtreme стабильно превосходит базовые методы обучения, включая прямое обучение единой политики и дистилляцию отдельных экспертов.
• На реальном роботе Unitree G1 OmniXtreme показал общий показатель успеха около 91 процента.