Amazon hat Holosoma, ein umfassendes Software-Framework, als Open Source freigegeben. Dieses Framework soll die Entwicklung und den Einsatz humanoider Roboter erheblich vereinfachen. Das Ziel ist es, die Kluft zwischen Simulation und realer Anwendung, bekannt als „Sim-to-Real“-Problem, zu überbrücken und damit die Forschung in der Robotik zu beschleunigen.
Wichtige Erkenntnisse
- Amazon FAR hat Holosoma als Open Source veröffentlicht, um die Entwicklung humanoider Roboter zu vereinheitlichen.
- Das Framework unterstützt mehrere Simulationsumgebungen wie IsaacGym und MuJoCo innerhalb einer einzigen Codebasis.
- Holosoma integriert frühere Amazon-Tools wie OmniRetarget für die Bewegungsanpassung von Robotern.
- Es bietet sofortige Unterstützung für Unitree G1 und Booster T1 Humanoiden und fokussiert auf effiziente Bereitstellung.
- Die Initiative unterstreicht Amazons strategisches Ziel, die Automatisierung in seinen Betriebsabläufen zu erhöhen.
Das Problem der Fragmentierung in der Robotik
Die Entwicklung von Robotern ist oft durch fragmentierte Software-Infrastrukturen erschwert. Forscher nutzen typischerweise verschiedene Simulationsumgebungen für Training und Validierung. Hochdurchsatz-Umgebungen wie IsaacGym dienen dem Training, während physikalisch präzise Simulatoren wie MuJoCo zur Validierung zum Einsatz kommen. Erst danach erfolgt der Versuch, die Roboter auf echter Hardware einzusetzen.
Carlo Sferrazza, ein Forscher bei Amazon FAR, beschreibt dies als ein „Full-Stack-Problem“. Holosoma, abgeleitet vom griechischen Wort für „ganzer Körper“, soll diese Fragmentierung überwinden. Es ermöglicht die Unterstützung mehrerer Simulations-Backends innerhalb einer einzigen Trainingscodebasis.
Faktencheck
- Unterstützte Umgebungen: Holosoma unterstützt IsaacGym, IsaacSim und MJWarp (MuJoCo Warp) für das Training.
- Inferenz: Für die Inferenz und den realen Einsatz wird MuJoCo sowie eine gemeinsame Pipeline verwendet.
- Lizenz: Holosoma wurde unter der Apache-2.0-Lizenz veröffentlicht.
Vereinheitlichung der Simulationslandschaft
Mit Holosoma können Entwickler nun eine konsistente Umgebung nutzen. Dies reduziert den Aufwand und die Fehleranfälligkeit bei der Übertragung von Trainingsergebnissen auf reale Roboter. Sferrazza betonte die Vereinheitlichung der Simulationslandschaft als Kernziel.
„Mit Holosoma vereinheitlichen wir die Simulationslandschaft“, erklärte Sferrazza. „IsaacGym, IsaacSim und MJWarp Backends werden alle in einer einzigen Trainingscodebasis unterstützt.“
Das Framework integriert auch OmniRetarget, ein früheres Amazon-Tool. OmniRetarget wandelt menschliche Bewegungserfassungsdaten in für Roboter ausführbare Bewegungen um. Dies zeigt, dass Amazon ein zusammenhängendes Ökosystem von Forschungswerkzeugen aufbaut.
Hintergrundinformationen
Amazon ist bekannt für seine Investitionen in Robotik und Automatisierung. Berichte deuten darauf hin, dass das Unternehmen plant, bis zu 75% seiner Betriebsabläufe in den kommenden Jahren zu automatisieren. Humanoide Roboter spielen dabei eine Schlüsselrolle, da sie in unstrukturierten Umgebungen navigieren und vielfältige Objekte manipulieren können – Aufgaben, die traditionelle, fest programmierte Automatisierung nicht lösen kann.
Technologie und Zugänglichkeit
Holosoma ist so konzipiert, dass es hardwareunabhängig ist. Aktuell bietet es jedoch sofortige Unterstützung für die Humanoiden Unitree G1 und Booster T1. Der Unitree G1 ist aufgrund seines zugänglichen Preispunkts zu einer Standardplattform in der Forschung geworden, auch bei Amazons ResMimic-Forschung.
Technisch unterstützt Holosoma sowohl Lokomotions- (Geschwindigkeitsverfolgung) als auch Ganzkörper-Tracking-Aufgaben. Es implementiert effiziente Reinforcement-Learning-Algorithmen wie PPO (Proximal Policy Optimization) und FastSAC (Soft Actor-Critic). Eine native Multi-GPU-Unterstützung beschleunigt die Trainingszeiten erheblich.
Der Fokus auf die Bereitstellung
Ein wesentlicher Engpass in der akademischen Forschung ist die sogenannte „Sim-to-Real“-Lücke. Dabei funktioniert Code, der in der Simulation einwandfrei läuft, auf einer physischen Maschine aufgrund von Latenz oder Software-Inkompatibilität nicht. Holosoma begegnet diesem Problem mit einem vereinheitlichten Inferenz-Stack. Dieser ermöglicht es Forschern, exakt denselben Code über Simulations-Backends und auf realen Robotern auszuführen. Daten werden direkt an Weights & Biases (wandb) zur Analyse protokolliert.
Wichtige Zahlen
- 75% Automatisierungsziel: Amazon strebt an, bis zu 75% seiner Betriebsabläufe zu automatisieren.
- Multi-GPU-Unterstützung: Beschleunigt das Training von komplexen Robotik-Algorithmen.
Strategische Bedeutung für Amazon
Obwohl Holosoma ein akademischer Beitrag ist, fügt es sich in Amazons industrielle Bestrebungen ein. Durch die Freigabe dieser Tools als Open Source beschleunigt Amazon nicht nur das gesamte Feld der Humanoiden-Forschung. Das Unternehmen etabliert gleichzeitig seine eigenen Methoden als Industriestandards.
Das Team hinter Holosoma umfasst namhafte Persönlichkeiten der Robotik, darunter Pieter Abbeel. Für Carlo Sferrazza markiert die Veröffentlichung den Abschluss seiner Zeit bei Amazon FAR. Er wechselt als Assistenzprofessor an die UT Austin, wo er seine Forschung in humanoider Robotik fortsetzen wird.
Die vollständige Codebasis ist ab sofort auf GitHub verfügbar. Dies ist ein wichtiger Schritt für die Robotik-Gemeinschaft und könnte die Entwicklung intelligenter, vielseitiger Roboter maßgeblich vorantreiben.
