Stanford ve diğer kurumlardan araştırmacılar, humanoid robotların hareket kabiliyetlerinde önemli bir ilerleme kaydetti. Yeni geliştirilen sistem, robotların değişken arazilerde daha doğal ve koordineli hareket etmesini mümkün kılıyor.
Humanoid robotlarda tam vücut hareketinin sağlanması, yüksek boyutlu kontrol gereksinimleri, morfolojik dengesizlik ve çevresel algıya dayalı gerçek zamanlı adaptasyon ihtiyacı nedeniyle oldukça karmaşık. Geleneksel pekiştirmeli öğrenme yöntemleri genellikle robotların sadece alt vücut ağırlıklı hareketler sergilemesine yol açarken, taklit tabanlı öğrenme daha koordineli beceriler kazandırsa da genellikle referans hareketleri tekrarlamakla sınırlı kalıyor.
Araştırmacıların önerdiği çözüm, insan hareketlerinden öğrenilen becerileri terrain farkındalığı ile birleştiren hibrit bir yaklaşım. Sistem öncelikle insan hareketlerini robot anatomisine uyarlayarak bir diffusion modeli eğitiyor. Bu model, gerçek zamanlı olarak terrain-aware referans hareketleri tahmin edebiliyor.
Aynı zamanda, bu hareket verilerini kullanarak pekiştirmeli öğrenme ile bir tam vücut referans takip sistemi eğitiliyor. Bu dual yaklaşım, robotların hem koordineli hareket etmesini hem de çevresel değişikliklere adapte olmasını sağlıyor. Sonuçlar, humanoid robotların günlük yaşamdaki pratik uygulamaları için umut verici.