PHC
Controlador humanoide perpetuo basado en física con recuperación de estado de fallo para avatares en tiempo real
Licencia
BSD-3-Clause
Resumen
PHC (Perpetual Humanoid Control) es un controlador humanoide basado en física que logra imitación de movimiento de alta fidelidad y comportamiento tolerante a fallos para avatares simulados en tiempo real y robots humanoides. Presentado en ICCV 2023, puede controlar perpetuamente humanoides simulados sin requerir reinicios, incluso en presencia de entradas ruidosas y caídas inesperadas.
La innovación clave es la Progressive Multiplicative Control Policy (PMCP), que asigna dinámicamente nueva capacidad de red para aprender secuencias de movimiento cada vez más difíciles. Esto permite una escala eficiente a toda la base de datos de movimiento AMASS (11.313 secuencias) con hasta un 100% de tasa de éxito, mientras añade nuevas capacidades como recuperación de estado de fallo sin olvido catastrófico.
PHC soporta múltiples interfaces de control incluyendo control de avatar basado en video vía webcam, comandos en lenguaje natural a través de la integración del Motion Diffusion Model y seguimiento de controlador VR. Funciona con morfologías humanoides SMPL, SMPLX (con control de dedos), Unitree H1 y Unitree G1.
El sistema se ejecuta en NVIDIA IsaacGym e incluye integración con IsaacLab. PHC se ha convertido en un componente fundamental usado por proyectos como PULSE y ASAP para investigación de control humanoide.
Desarrollado en la Universidad Carnegie Mellon en colaboración con NVIDIA.
PHC (Perpetual Humanoid Control) es un controlador humanoide basado en física desarrollado en Carnegie Mellon University en colaboración con NVIDIA, presentado en ICCV 2023. Resuelve un problema fundamental en la simulación humanoide: los controladores convencionales fallan permanentemente cuando encuentran perturbaciones inesperadas o secuencias de movimiento difíciles, requiriendo reinicios manuales. PHC, en cambio, logra un control perpetuo — puede recuperarse de caídas y continuar operando indefinidamente sin reinicios.
La innovación clave es la Progressive Multiplicative Control Policy (PMCP), que asigna progresivamente nueva capacidad de red para manejar movimientos cada vez más difíciles. Esto permite un entrenamiento eficiente sobre la base de datos de movimiento AMASS completa (11.313 secuencias) con hasta un 100% de tasa de éxito, añadiendo capacidades de recuperación sin olvido catastrófico de las habilidades previamente aprendidas. Cuando el controlador cae, puede levantarse y reanudar el seguimiento del movimiento objetivo.
PHC soporta múltiples interfaces de control incluyendo control de avatar basado en vídeo mediante webcam, comandos en lenguaje natural a través de la integración con Motion Diffusion Model y seguimiento de controladores VR para aplicaciones inmersivas. Funciona con SMPL, SMPLX (con control a nivel de dedos) y morfologías de robots humanoides incluyendo Unitree H1 y G1, con integración de IsaacLab para flujos de trabajo de simulación modernos.
PHC se ha convertido en un componente fundamental en el ecosistema de investigación de control humanoide, con proyectos como PULSE y ASAP construidos sobre sus capacidades de control perpetuo. Su capacidad para mantener un control estable ante perturbaciones arbitrarias lo hace práctico para aplicaciones en tiempo real donde los reinicios manuales son imposibles.
Por qué importa
PHC resuelve un problema fundamental en la simulación humanoide -- los controladores que fallan permanentemente después de perturbaciones inesperadas o entradas ruidosas. Su capacidad de control perpetuo con recuperación automática de estado de fallo lo hace práctico para aplicaciones en tiempo real como avatares VR y control humanoide impulsado por video.
Qué problema resuelve
Controladores humanoides basados en física que se bloquean y requieren reinicios manuales después de caídas o perturbaciones inesperadas, haciéndolos poco prácticos para aplicaciones en tiempo real
Puntos clave
- 100% de tasa de éxito en 11.313 secuencias de movimiento AMASS con el modelo PHC+
- La Progressive Multiplicative Control Policy permite la escala sin olvido catastrófico
- Soporta interfaces de video, lenguaje y VR para el control humanoide
- Funciona con morfologías SMPL, SMPLX, Unitree H1 y Unitree G1
Para quién es
- Investigadores de control humanoide
- Desarrolladores de VR y avatares
- Investigadores de simulación física
- Practicantes de aprendizaje por refuerzo
Limitaciones
- Requiere GPU NVIDIA con soporte IsaacGym
- El entrenamiento requiere el conjunto de datos de captura de movimiento AMASS (se requiere licencia)
- Se requiere licencia del modelo de cuerpo SMPL/SMPLX para uso comercial
- Configuración compleja en múltiples pasos con muchas dependencias