Anchor 1 de Archon Robotics logró reducir entre 30% y 80% el error de seguimiento frente a todos los controladores existentes en el escenario de puntuación global más estricto en condiciones reales, según informó primero Arxiv. El benchmark mide la precisión, la estabilidad de la ejecución sostenida y la capacidad de alcanzar objetivos en diversas exigencias de coordinación de cuerpo completo, donde incluso los errores pequeños pueden provocar fallos.
Los controladores de robots humanoides han adquirido habilidades motoras cada vez más diversas, pero trasladar esas capacidades a una manipulación precisa y estable de cuerpo completo sigue siendo un desafío. Anchor 1 se presenta junto con un benchmark para evaluar sistemáticamente esas capacidades.
Anchor 1 utiliza referencias de movimiento dispersas y calibradas para preservar la estructura del movimiento humano relevante para la tarea, sin aplicar retargeting en el espacio articular en línea. Así se mantiene la libertad cinemática para un control preciso. La selección fuera de línea empareja los movimientos del robot con esas referencias para orientar la distribución de entrenamiento hacia una coordinación de cuerpo completo estable y físicamente plausible.
La retroalimentación explícita del error se desacopla de la codificación del movimiento, lo que mejora la precisión del control y permite interfaces de comandos flexibles. El benchmark evalúa la precisión, la estabilidad de la ejecución sostenida y la capacidad de alcanzar objetivos en diversas exigencias de coordinación de cuerpo completo.
Las evaluaciones en simulación y en hardware mostraron una mayor precisión y estabilidad en todas las categorías de evaluación. En el escenario más estricto, la reducción del error de seguimiento se logró con menos entradas de anticipación y sin retargeting.
El controlador y el benchmark abordan aspectos complementarios del problema: un método de control y una forma sistemática de evaluarlo. Los experimentos posteriores también demostraron una recopilación de datos teleoperada más eficiente y una mayor tasa de éxito en las tareas con el mismo proceso de despliegue.