Pesquisadores liderados por Joohwan Seo apresentaram o ResGAC, um controlador de corpo inteiro para robôs humanoides. Ele combina controle geométrico de admitância com uma camada residual de aprendizado por reforço para compensar dinâmicas não modeladas. Testado em um Unitree G1 real, o ResGAC reduziu os erros de translação e rotação em comparação com o sistema de referência anterior, o SONIC. Em um teste de encaixe de pino em furo com o robô em pé, teve sucesso em 90% das tentativas, contra 50% do SONIC.
Por que importa
Um rastreamento mais preciso permite que robôs humanoides realizem tarefas delicadas enquanto caminham, ampliando seu uso na indústria e em serviços.
