Een team van wetenschappers, onder leiding van Zhenyang Chen, heeft een technologische doorbraak geforceerd in de manier waarop robots menselijke bewegingen aanleren. Het ontwikkelde systeem, genaamd Whole-body-Aware Retargeting from human Pose (WARP), stelt machines in staat om complexe acties direct over te nemen van menselijke demonstraties. Dit gebeurt zonder dat er tussenkomst van teleoperatie is, waarbij een mens de robot in real-time moet besturen.
Het fundamentele probleem bij het aanleren van robotica is de zogenaamde 'embodiment gap'. Dit is het fysieke verschil tussen de anatomie van een mens en de mechanische structuur van een robot. Traditionele methoden om bewegingen over te zetten, ook wel retargeting genoemd, leiden vaak tot inconsistente resultaten. Hierdoor is het voor robots lastig om betrouwbare patronen aan te leren die in de echte wereld bruikbaar zijn.
Om deze hindernis te overwinnen, introduceerden de onderzoekers een offline pijplijn die de verschillen in lichaamsbouw expliciet modelleert. Volgens een wetenschappelijke publicatie op arxiv.org is het doel van dit raamwerk om precieze en unieke acties voor het volledige lichaam van de robot te extraheren. Een cruciaal onderdeel hiervan is de geometrische solver voor de schouder, elleboog en pols (SEW). Deze techniek zorgt ervoor dat de eindeffector, zoals een grijper, exact wordt gevolgd, terwijl de oorspronkelijke intentie van de menselijke beweging behouden blijft.
In combinatie met een specifieke 'lazy mobile-base control' kan het systeem accurate trajecten genereren. De onderzoekers claimen dat dit het eerste raamwerk is dat 'zero-shot' whole-body mobiele manipulatie mogelijk maakt op basis van offline menselijke data. Dit betekent dat robots taken kunnen uitvoeren zonder dat er vooraf actiedata verzameld hoefde te worden via tijdrovende en kostbare teleoperatie-sessies. De data die door het wordt gegenereerd, blijkt zeer betrouwbaar voor open-loop replay in fysieke omgevingen.
Het onderzoek is oorspronkelijk ingediend op 29 juni 2026, waarbij een herziene versie op 19 augustus 2026 beschikbaar werd gesteld via de . De focus ligt hierbij op het vakgebied van de robotica (cs.RO) en het optimaliseren van de vertaling van menselijke observaties naar robotische uitvoering.
Vanwege de populariteit van de term 'WARP' in de technologiewereld, is er een mogelijk risico op verwarring met andere producten. Zo is er een applicatie genaamd 1.1.1.1 met WARP, die beschikbaar is via de google.com. Deze software is ontwikkeld door Cloudflare en richt zich op internetprivacy en beveiliging door middel van versleuteling. Er bestaat echter geen enkel functioneel of organisatorisch verband tussen deze netwerkbeveiligingstool en het robotica-onderzoek van Chen en zijn collega's.
De impact van deze ontwikkeling kan groot zijn voor de schaalbaarheid van robotisch leren. Door de noodzaak van een menselijke operator in de lus ('human-in-the-loop') te elimineren, kunnen bestaande datasets van menselijke bewegingen direct worden ingezet voor training. De precisie van de SEW-solver zorgt ervoor dat de robot niet simpelweg een positie kopieert, maar de gehele lichaamshouding logisch vertaalt naar zijn eigen mechanische structuur.