1X tillkännager sin senaste RL-kontroller (reinforcement learning), som låser upp NEO:s helkroppsmobilitet för hemmiljöer, vilket gör det möjligt för Redwood AI (1X:s interna AI-modell) att interagera med den fysiska världen på ett mer naturligt och bredare sätt. Den enhetliga styrenheten stöder promenader i alla riktningar, sittande, stående, knästående, liggande, komma upp och gå i trappor med stereo RGB-syn - avgörande för att navigera i riktiga hem. Styrenheten tillhandahåller ett "åtgärdsgränssnitt" genom vilket fjärrstyrning eller Redwood AI kan interagera på ett säkert, kontaktrikt sätt med den fysiska världen. Traditionella gångkontroller förlitar sig ofta på handgjorda "formande belöningar" för att producera människoliknande gångarter, som är tidskrävande och inte skalar bra över uppgifter eller rörelseriktningar. För att ta itu med detta använde teamet motion capture-data för att vägleda inlärningsprocessen. RL-systemet är tränat för att spåra kinematiska referensbanor som härrör från naturlig mänsklig rörelse samtidigt som balans och rytm bibehålls i realtid. För att förbättra den allmänna användbarheten går styrenheten längre än uppspelning av en enda bana genom att introducera en tvådelad design: ⦿ En kinematisk planerare på hög nivå genererar jämna, människoliknande rörelsemål från enkla inmatningskommandon (t.ex. joystickens riktning). ⦿ En RL-kontroller på låg nivå spårar dessa banor med dynamisk stabilitet. Denna struktur möjliggör smidiga övergångar mellan beteenden och löser utmaningen med att kontrollera högdimensionella rörelser från grov användarinmatning.