图灵汇官网

英伟达团队推出了一款名为HOVER的小型神经网络，它包含150万个参数，主要用于操控人形机器人完成复杂多样的动作。这款网络的设计灵感来自人类的潜意识，通过模仿大脑在调节身体平衡、移动四肢等方面的工作机制，HOVER能够协调机器人电机的动作，实现精确的运动控制。

研究团队构建了一个统一的指令系统，覆盖了机器人的上半身和下半身，并支持三种不同的控制方式。测试显示，HOVER在12项评估标准中有11项的表现超过了专业策略，证明了其强大的适应能力。此外，HOVER在实际环境中的表现同样稳定，可以流畅地在不同模式之间切换操作。

近年来，小型模型在机器人领域的应用逐渐增多。英伟达的GEAR团队发布了一款名为HOVER的新成果，这个仅有150万参数的神经网络足以驱动人形机器人完成多种复杂任务。研究的核心目标是探索如何利用小型神经网络提升机器人控制的效率与灵活性。

HOVER的设计理念借鉴了人类潜意识的功能。当我们走路、维持平衡或调整身体姿势时，大脑会自动进行大量计算。HOVER将这种能力整合进机器人控制中，使一个模型就能管理机器人的电机协调工作，从而实现各种运动和操控。它能应对多种复杂的指令，比如头部和手部的姿态、全身动作以及关节角度等。

HOVER的训练借助了NVIDIA Isaac平台，该平台利用GPU加速，将物理模拟的速度提升了1万倍。这意味着在一块显卡上运行大约50分钟后，机器人就完成了相当于一年的强化训练。训练结束后，HOVER可以直接投入现实环境使用，无需额外调整。

HOVER定义了一个综合性的指令框架，涵盖了上身和下身的控制，并包含三种主要的控制形式。这一框架既通用又灵活，适用于各类任务需求。具体来说，它由以下三部分组成：

• 运动位置追踪：设定目标三维位置。
• 局部关节角度追踪：指定目标关节角度。
• 根节点追踪：确定目标根节点速度、高度及方向。

研究团队通过多项实验检验了HOVER的表现。结果显示，HOVER在多种控制模式下的效果优于专业策略；在追踪局部和整体位置时，误差非常小；并且在真实环境中也能平稳切换不同模式，展现出优秀的稳定性和适应能力。

HOVER的问世为小型神经网络应用于机器人控制开辟了新路径。未来，随着技术进步，HOVER有望在更多实际场景中发挥作用，助力人形机器人技术的发展。