Onderzoekers onder leiding van Joohwan Seo introduceerden ResGAC, een whole-body-regelaar voor humanoïde robots. Die combineert geometrische admittantieregeling met een residuele laag voor reinforcement learning om niet-gemodelleerde dynamiek te compenseren. Tests met een echte Unitree G1 lieten zien dat ResGAC de translatie- en rotatiefouten verkleinde ten opzichte van de eerdere SONIC-baseline. Bij een staande peg-in-hole-test slaagde de robot in 90% van de pogingen, tegenover 50% met SONIC.
Waarom het ertoe doet
Nauwkeuriger volgen van bewegingen helpt humanoïde robots delicate taken uit te voeren terwijl ze lopen. Daardoor kunnen ze in meer situaties worden ingezet, bijvoorbeeld in de maakindustrie en de dienstverlening.
