人形机器人有望成为通用机器人的终极化身，但要发挥这一潜力，就必须适应各种任务--导航、桌面操作（桌面上进行的精细操作任务）、移动操作--每种任务都需要独特的控制模式。一个控制器能胜任所有任务吗？
刚刚英伟达重磅推出用于人形机器人的多功能全身神经通用控制器AI模型HOVER：在统一的通用策略中支持运动学位置、关节角度和身体基座跟踪。HOVER 优于以往针对特定模式（ExBody、H2O、OmniH2O、HumanPlus）训练的专用策略
我们人类走路、保持平衡、控制手脚，这些看似简单的动作，其实背后有大量的潜意识处理。HOVER 就相当于把这种“潜意识”捕捉并编码到了一个模型里，它学会了如何协调机器人电机，让机器人像人一样流畅地运动和操作
英伟达用一个只有150万参数的小模型HOVER，就实现了人形机器人的控制，甚至还能模仿人类动作！更让人震惊的是，它模拟一年的训练量，只需50分钟！
HOVER 的核心创新在于：利用全身运动模仿作为各种任务的通用抽象，并提供通用的运动技能，用于学习多种全身控制模式，现有的方法通常针对特定命令空间训练单独的策略，限制了它们在不同模式之间的迁移能力。而 HOVER 提出了一种多模式策略蒸馏框架，将不同的控制模式整合到一个统一的策略中
HOVER是如何训练的？
HOVER 的训练是在英伟达 Isaac 模拟套件中进行的。这套件基于 GPU 加速，比实时物理模拟快 1 万倍！这意味着，机器人可以在虚拟的“道场”里进行长达一年的高强度训练，而实际训练时间只需 50 分钟左右！训练完成后，模型可以直接零样本迁移到现实世界，无需微调！
HOVER如何控制机器人？
HOVER 支持多种高级运动指令，称之为“控制模式”。它就像一个万能的转换器，将不同的指令转换成底层电机控制信号。例如：
头和手的姿势： 可以用 Apple Vision Pro 等 XR 设备捕捉
全身姿势： 可以通过动作捕捉或 RGB 摄像头获取
全身关节角度： 可以使用外骨骼获取
根速度命令： 可以使用操纵杆控制
更重要的是，HOVER 的命令空间设计非常巧妙，兼顾了通用性和原子性：
通用性: 涵盖了现有的大部分控制模式，无需为了特定任务而牺牲性能或通用性。
原子性: 命令空间由独立的维度组成，可以任意组合，支持各种模式
HOVER 有哪些优势？
统一接口： 无论你手边有什么输入设备，都可以用来控制机器人，非常方便！
简化数据收集： 可以更轻松地收集全身遥操作数据，用于训练机器人
更高级的控制： 可以与视觉-语言-动作模型配合使用，HOVER 将高级指令翻译成机器人能理解的低级电机信号，实现更复杂的控制
多模式无缝切换： HOVER 可以流畅地在不同控制模式之间切换,例如从行走模式切换到操作模式，无需重新训练模型,同时保留每种模式的独特优势,为各种模式的仿人控制提供稳健且可扩展的解决方案。从而提高了未来仿人应用的效率和灵活性
HOVER 的核心技术
训练框架： HOVER 通过本体感觉和命令屏蔽从 Oracle 策略中提取训练。该模型的任务命令由特定于模式和基于稀疏性的掩码决定，这些掩码独立应用于上半身和下半身运动。这些掩码生成不同的任务命令模式，优化学生的输入。蒸馏采用 DAgger 将学生的动作与预言机的动作对齐，并通过预言机动作的监督学习进行优化
部署框架： HOVER 通过统一的多模式命令空间实现多功能人形机器人控制。多功能多模式命令空间支持运动位置跟踪（蓝色）、局部关节角度跟踪（黄色）和根跟踪（紫色）。高亮显示的框表示正在跟踪的活动命令，而掩码（右侧的虚线框）允许选择性激活不同的命令空间以适应各种任务
这是英伟达 GEAR 实验室和合作伙伴的共同成果，再次证明了小模型的巨大潜力！
