Οι κινεζικοί ερευνητές εκπαιδεύτηκαν έναν ρομπότ να παίζει τένις με καινοτόμο τρόπο

Οι Κινέζοι επιστήμονες παρουσίασαν έναν νέο τρόπο εκπαίδευσης ρομπότ στο τένις

Οι ερευνητές από την Κίνα δημοσίευσαν τα αποτελέσματα της δοκιμής μιας καινοτόμου μεθοδολογίας που επιτρέπει στα ρομπότ να μαθαίνουν γρήγορα και απλά τις βασικές δεξιότητες του τένις. Σύμφωνα με τους ερευνητές, αυτό θα μπορούσε να αποτελέσει σημαντική πρόοδο τόσο στη μηχανική μάθηση όσο και στην πραγματική εφαρμογή της τεχνητής νοημοσύνης – αναφέρει η πηγή New Atlas.

Γιατί οι παραδοσιακές τεχνολογίες δεν λειτουργούν
Στις περισσότερες μορφές αθλητισμού, συμπεριλαμβανομένου του τένις, τα συστήματα καταγραφής κίνησης ακόμη δεν μπορούν να αποτυπώσουν τις πιο μικρές λεπτομέρειες, όπως η γωνία της καρπό κατά την χτύπημα. Σε έναν δυναμικό αγωνιστικό χώρο τέτοιες λεπτές διαφορές είναι κρίσιμες, ενώ η τηλεχειρισμένη λειτουργία αποδεικνύεται ανεπάρκεια.

Το πρόβλημα επιδεινώθηκε από τις προσπάθειες εξαγωγής των απαραίτητων πληροφοριών από πολυκαμερικές βιντεοσκοπήσεις με λογισμικό τεχνητής νοημοσύνης (π.χ., Vid2Player3D της Nvidia). Πρόκειται για «ακόμη πιο περίπλοκη διαδικασία», που απαιτεί βαθιά γνώση και μηχανική προσπάθεια.

Τι προτάθηκαν από τους ερευνητές
Δημιούργησαν το σύστημα LATENT, βασισμένο στην καταγραφή κίνησης, αλλά περιορισμένο μόνο στις βασικές τεχνικές. Ένα τέτοιο σύστημα μπορεί να λειτουργεί με ατελή δεδομένα.

- Πειραμα: κατά τη διάρκεια πέντε ωρών συλλέχθηκαν δεδομένα για «πρωτότυπες δεξιότητες» – χτυπήματα δεξιά/αριστερά, πλευρικές κινήσεις και διασταυρούμενα βήματα σε μερική περιοχή.

- Τα δεδομένα αυτά επεξεργάστηκαν από κάμερες για τη δημιουργία ενός αποθεματικού «χώρων κίνησης» που μοιάζουν ανθρώπινοι.

- Στη συνέχεια, οι βασικές δεξιότητες φορτώθηκαν σε έναν ανθρωποειδικό ρομπότ G1 της Unitree (τιμή – 13 500 $).

Πώς μαθαίνει το ρομπότ
Το σύστημα LATENT επιτρέπει στο G1 να αναγνωρίζει τον προσεγγίζοντα μπάλα και, χρησιμοποιώντας τη σφηνή, να την ανταποκρίνεται μέσω του δίχτυου. Η επιτυχία θεωρείται όταν η μπάλα πέφτει εντός των λευκών γραμμών της άλλης πλευράς του αγωνιστικού χώρου.

Το ρομπότ χρησιμοποιεί τις βασικές δεξιότητες για πειραματισμό με γωνίες, χρόνο αντίδρασης και επιλογή κινήσεων σε διαφορετικές καταστάσεις. Το μεγαλύτερο μέρος της εκπαίδευσης διεξάγεται σε προσομοίωση υψηλής ταχύτητας.

Αποτελέσματα
- 90 % επιτυχίας με χτυπήματα δεξιά.

- ≈80 % – με χτυπήματα αριστερά.

- Οι κινήσεις φαίνεται να είναι ομαλές και ευέλικτες, σχεδόν όπως ένας πραγματικός τεννιστής.

Αν και το G1 δεν είναι ακόμη έτοιμο για επίσημες αγωνιστικές διοργανώσεις, έχει ήδη επιδείξει σημαντική πρόοδο στην εκμάθηση του παιχνιδιού.

Τι σημαίνει αυτό για το μέλλον των ρομπότ
Η αναπτυγμένη μεθοδολογία επιτρέπει στα ρομπότ να προσαρμόζονται γρήγορα σε πολύπλοκες και δυναμικές καταστάσεις. Αυτό ανοίγει προοπτικές για πρακτικές εφαρμογές όπου απαιτείται ταχεία αντίδραση σε εξαιρετικές συνθήκες – από βιομηχανική παραγωγή μέχρι επιχειρήσεις διάσωσης.

Το λογισμικό LATENT είναι ανοιχτού κώδικα και διαθέσιμο στο GitHub.