东说念主形机器东说念主考研经由可浅易暗示为：捕捉东说念主类看成，并将其重新分拨给机器东说念主，在模拟环境中大规模考研，部署到硬件上，然后进行迭代。
波士顿能源AI实验室，展示了类东说念主机器东说念主Atlas如何学习新的看成，如安在模拟中放大这些看成，然后将这些妙技带入竟然的机器东说念主哄骗中。
端到端的管说念
越来越多的东说念主形团队正在弃取以下模式考研机器东说念主：
拿获东说念主类畅通 → 转发到机器东说念主 → 在模拟中大规模考研 → 部署到硬件 → 叠加
操作方法：
才气 1. 拿获：将东说念主类畅通滚动为考研数据
在这个重要中，询查员将衣着Xsens看成捕捉服来记载全身的看成。捕捉到的看成将成为参考行为。
看成学习始于高超的数据。因此看成明晰（关节角度、时机、配合）至关要紧，Xsens采集到的看成数据可用作可叠加使用的参考，并不错迭代和膨大到好多任务变体。
才气 2. 重新定位：将东说念主类畅通映射到机器东说念主并敛迹条款
Atlas 并不是按照东说念主类援救的。因此其领有不同部位的比例、不同的关节戒指、不同的动手方法。东说念主类看成无法1:1地无缺复制。
波士顿能源团队需要指点Atlas虚构地匹配看成，因为它的躯壳与东说念主类不同。
重新定位是将看成酿成机器东说念主可用的一种姿色：
对皆框架和关节畅通
履行关节限值和均衡敛迹
将东说念主类意图滚动为机器东说念主轨迹
才气 3. 在模拟中大规模考研：千千万万的虚构机器东说念主，米兰快速迭代
通过使用Xsens捕捉的精确看成捕捉数据，波士顿能源团队在模拟中膨大学习，在该才气中有发轫4000个数字Atlas机器东说念主在六小时内并行考研。
团队还为模拟添加了诸如光滑的地板、陡坡和僵硬的关节等变量，迫使学习到的行为进行恰当，而不是记取一个单一的理思情状。
模拟的中枢上风：
学习速率比及时更快
学习愈加安全高效
在接竟然触硬件之前莳植雄厚性
才气 4. 部署到硬件：将考研过的妙技部署到多台机器东说念主
当学习过程完成后，其不错被径直转变到信得过的机器东说念主上，值得翔实的是，该过程不错叠加进行。
将妙技膨大到悉数机器东说念主阵列：
只需拿获一次看成数据
{jz:field.toptypename/}在模拟中考研和莳植推崇收尾
将考研过的妙技部署到悉数机器东说念主阵列
跟着环境的变化接续迭代
Atlas 正在干涉信得过的工场
该案例以竟然的制造布景为框架：波士顿能源公司被邀请在当代汽车位于萨凡纳的新工场展示Atlas的第一次信得过的户外测试。
工场自己也曾高度自动化，领有1000多台机器东说念主和近1500名职工，Atlas被定位为下一步：一个用于不值得定制自动化的任务的活泼工东说念主。
使用Xsens看成捕捉进行拿获→重新定位→模拟→部署轮回的竞争上风：
更快的新职责经由任务惩处时分
更少“一次性”机器东说念主步履
在推行宇宙的变异性下推崇更好
要是您正在为工业环境打造东说念主形机器东说念主，Xsens看成捕捉技巧将成为连络东说念主类活泼性与可膨大的机器东说念主学习的全新纽带。
