图灵汇官网

导读

英伟达团队发布了一款名为HOVER的神经网络，它只有1.5M参数，却能有效控制人形机器人执行多种复杂的运动。HOVER的设计灵感来源于人类的潜意识，通过学习协调电机来实现运动和操控。

改写内容

英伟达团队近日推出了一款名为HOVER的小型神经网络，该网络拥有1.5M参数，专门用于控制人形机器人执行多样化的运动。HOVER的设计灵感源自人类的潜意识，通过模仿人类在行走、平衡和调整肢体位置时的大脑活动，HOVER能够协调人形机器人的电机，实现精准的运动和操控。

该团队开发了一个统一的命令空间，涵盖上身和下身的控制，并支持三种不同的控制模式。实验结果显示，HOVER在12个评估指标中的11个上超越了专家策略，展现了出色的泛化能力。此外，HOVER在真实环境中的稳定性也得到了验证，能够在不同模式间平滑地追踪动作。

研究背景

近年来，小模型在各个领域的应用越来越受到关注，尤其是在机器人领域。英伟达的GEAR团队最近发布了一款名为HOVER的研究成果，这是一个仅有1.5M参数的神经网络，却足够控制人形机器人执行多种复杂的运动。这项研究旨在探索如何利用小型神经网络实现高效、灵活的机器人控制。

设计理念

HOVER的设计灵感源于人类的潜意识。人类在行走、保持平衡和调整肢体位置时，需要大量的潜意识计算。HOVER将这种潜意识的能力融入到机器人控制中，使得单一模型可以协调人形机器人的电机，实现运动和操控。通过这种方式，HOVER能够处理多种复杂的运动指令，包括头部和手部姿势、全身姿态以及全身关节角度等。

训练方法

HOVER的训练使用了NVIDIA Isaac平台，该平台利用GPU加速，使物理模拟达到实时的1万倍速度。这意味着只需在一块GPU卡上运行约50分钟，机器人就能完成相当于一年的密集训练。训练完成后，HOVER可以直接迁移到真实环境中，无需额外微调。

命令空间设计

HOVER定义了一个统一的命令空间，包括上身和下身控制，并涵盖三种不同的控制模式。该命令空间具备通用性和原子性，能够适应各种不同的应用场景和任务需求。具体而言，命令空间包含以下三个部分：

1. 运动位置跟踪：目标3D位置。
2. 局部关节角度跟踪：目标关节角度。
3. 根跟踪：目标根速度、高度和方向。

实验结果

研究团队在多个实验中验证了HOVER的性能。首先，HOVER在多种控制模式下的表现优于专家策略。其次，HOVER在跟踪局部和全身位置方面表现出色，误差极低。最后，在真实世界的应用中，HOVER能够平滑地在不同模式间切换动作，展示出良好的鲁棒性和泛化能力。

应用前景

HOVER的出现为小型神经网络在机器人控制领域的应用提供了新的思路。未来，随着技术的进一步发展，HOVER有望在更多的实际场景中发挥作用，推动人形机器人技术的进步。