NVIDIA 推出新框架 COMPASS 以簡化機器人導航系統的訓練過程

研究人員開發了一種基於人工智能代理的方案，旨在簡化不同機器和環境中機器人導航系統的訓練過程。NVIDIA 的新框架名為 COMPASS，旨在減少在機器人、場景或操作條件變更時，適應導航策略所需的時間和精力。該系統結合了人工智能代理、模擬、強化學習和自動測試，以簡化開發流程。研究人員利用一款四足機器人展示了該方案，表明此係統可以在關鍵決策點保持人類參與的同時支持導航訓練和評估。

COMPASS 的技術架構

COMPASS（Cross-Embodiment Mobility Policy via Residual RL and Skill Synthesis）結合了一個預訓練的導航模型和強化學習及人工智能代理，以便在不必為每個機器人和環境重新構建導航系統的情況下，適應機器人的行為。機器人導航比單純讓機器移動要複雜得多。導航機器人必須理解其周圍環境、確定其所在位置、選擇路徑、避免障礙物，以及安全到達目標。

當機器人或環境變更時，開發人員通常需要新的數據、模擬環境、軟件接口、訓練和測試。重複這一過程可能耗時且難以重現。COMPASS 旨在減少這一工作量。

開發流程的自動化

COMPASS 不再從頭開始訓練導航系統，而是基於 NVIDIA 的預訓練 X-Mobility 策略，利用強化學習為特定的機器人和環境訓練專家。該專家學會修正現有政策，以便更好地處理目標機器人的物理特性和周圍環境。研究人員還使用人工智能編碼代理自動化大部分開發過程。開發者可以指定機器人、環境和導航目標，而代理則檢查軟件依賴、準備模擬資產、運行初步測試、啟動訓練、調查失敗，並比較訓練模型。

人類的批准仍然是過程的一部分，開發者需決定場景是否準備就緒、初步測試是否成功，以及是否應提升某個訓練模型。

該參考工作流程使用了 Boston Dynamics 的 Spot 四足機器人。開發者可以從內建的倉庫環境開始，這使得在進入更複雜的設置之前測試系統變得更為容易。COMPASS 還可以使用 NVIDIA 的 SAGE-10K 數據集中的場景，該數據集包含 10,000 個生成的室內環境，涵蓋 50 種房間類型。對於需要與實際位置高度相似的環境，該工作流程可以使用 NVIDIA Omniverse NuRec 重建捕獲的空間以供模擬使用。

測試與評估的過程

這使得開發者可以在更貼近機器人最終運行環境的環境中測試和微調導航策略。

訓練始於小範圍的煙霧測試，以確保機器人、環境、攝像頭和控制系統能正確協同工作。一旦獲得批准，便可以開始更大規模的強化學習運行。系統在訓練過程中保存檢查點，以便開發者比較不同版本，而不是自動選擇最終模型。研究人員通過機器人達成目標的速率、摔倒的頻率和完成路徑所需的時間等指標來評估訓練策略。預訓練的導航策略和新訓練的版本可以在相同條件下進行測試，以確定適應是否改善了性能。

一旦模型獲得批准，可以將其連接到機器人的運行時系統。該策略可以使用攝像頭圖像、里程計和導航目標生成運動指令。NVIDIA 的 cuVSLAM 可以在機器人沒有合適的位置和運動信息時，選擇性地提供視覺里程計。這一方法可能提供了一種更具可重複性的方法，以適應不同機器人和環境中的導航系統，同時保持人類在重要的開發和安全決策中的監督。

COMPASS 如何改變機器人導航訓練

COMPASS 框架的推出標誌著機器人導航訓練的一次重要進步。傳統的導航系統訓練需要耗費大量時間和資源，尤其在面對不同機器和環境時。透過結合預訓練模型和強化學習，COMPASS 不僅簡化了訓練流程，還提升了系統的適應性。此外，人工智能代理的引入使得開發者能專注於更高層次的決策，從而提高整體效率。這些創新有助於推動機器人技術的發展，並可能在未來的應用中帶來更大的靈活性和可靠性。