ASAP：对齐仿真与真实物理，实现敏捷人形机器人全身技能

完整中文导读

卡内基梅隆大学机器人研究所提出 ASAP 两阶段框架，用于解决仿真与真实世界动力学不匹配问题，实现敏捷人形机器人全身技能。第一阶段在仿真中利用重定向人体运动数据预训练运动跟踪策略；第二阶段在真实世界部署策略并采集数据，训练 delta 残差动作模型补偿动力学差异，再将其集成到仿真器中微调预训练策略以对齐真实动力学。

在 IsaacGym 到 IsaacSim、IsaacGym 到 Genesis 以及 IsaacGym 到真实 Unitree G1 人形机器人三种迁移场景中评估，ASAP 相比 SysID、DR 和 delta 动力学学习基线显著提升敏捷性与全身协调性，降低跟踪误差，实现此前难以达到的高敏捷运动，展示了 delta 动作学习在弥合仿真与真实动力学差距方面的潜力。