Výskumníci z Google DeepMind vyvinuli robota poháňaného AI, ktorý je schopný hrať súťažne stolný tenis na amatérskej ľudskej úrovni.
Zaznamenať prítomnosť pingpongovej loptičky, vypočítať jej smer a posunúť lopatku tak, aby ju zasiahla – to všetko v zlomku sekundy – je v robotike obrovská úloha.
Robot DeepMind je vybavený robotickým ramenom IRB 1100 namontovaným na dvoch lineárnych portáloch, ktoré mu umožňujú rýchly pohyb naprieč a smerom k stolu.
Má neuveriteľný rozsah pohybu, dosahuje väčšinu plôch stola, aby udrel loptičku lopatkou ako človek.
„Oči“ sú vysokorýchlostné kamery, ktoré snímajú obraz rýchlosťou 125 snímok za sekundu a dodávajú dáta do vnímacieho systému založeného na neurónovej sieti, ktorý sleduje polohu lopty v reálnom čase.
Umelá inteligencia ovládajúca robota využíva sofistikovaný dvojúrovňový systém:
- Nízkoúrovňové ovládače (LLC): Ide o špecializované neurónové siete trénované na vykonávanie špecifických stolnotenisových zručností, ako sú forhendové topspinové údery alebo bekhendové cielenie. Každá LLC je navrhnutá tak, aby vynikala v určitom aspekte hry.
- Ovládač vysokej úrovne (HLC): Toto je strategický mozog systému. HLC vyberá, ktorú LLC použije pre každú prichádzajúcu loptu, na základe aktuálneho stavu hry, štýlu hry súpera a vlastných schopností robota.
Tento duálny prístup umožňuje robotovi kombinovať presné vykonávanie jednotlivých striel so stratégiou vyššej úrovne, čím napodobňuje spôsob, akým o hre uvažujú ľudskí hráči.
Premostenie simulácie so skutočným svetom
Jednou z najväčších výziev v robotike je prenos zručností získaných v simulačných prostrediach do reálneho sveta.
The DeepMind štúdium dokumentuje niekoľko techník na riešenie tohto problému:
- Realistické fyzikálne modelovanie: Výskumníci použili pokročilé fyzikálne motory na modelovanie komplexnej dynamiky stolného tenisu, vrátane rotácie loptičky, odporu vzduchu a interakcie paddle-lopta.
- Randomizácia domény: Počas tréningu bola AI vystavená širokej škále simulovaných podmienok, čo jej pomohlo zovšeobecniť variácie, s ktorými sa môže stretnúť v reálnom svete.
- Sim-to-real adaptácia: Tím vyvinul metódy na doladenie simulovaných zručností pre výkon v reálnom svete, vrátane novej techniky „korekcie rotácie“, ktorá zvláda rozdiely v správaní pádla medzi simuláciou a realitou.
- Iteračný zber údajov: Výskumníci neustále aktualizovali svoje tréningové údaje pomocou hrania v reálnom svete, čím vytvorili stále sa zlepšujúci cyklus učenia.
Možno jednou z najpôsobivejších vlastností robota je jeho schopnosť prispôsobiť sa v reálnom čase. Počas zápasu systém sleduje rôzne štatistiky o svojom výkone a výkone svojho súpera.
Tieto informácie využíva na prispôsobenie svojej stratégie za behu, pričom sa učí využívať slabiny v súperovej hre a zároveň podopiera svoju vlastnú obranu.
Hodnotenie pingpongového robota
Ako teda DeepMind otestoval svojho stolnotenisového robota?
Najprv tím prijal 59 dobrovoľných hráčov a zhodnotil ich zručnosti v stolnom tenise, pričom ich rozdelil na začiatočníkov, mierne pokročilých, pokročilých alebo pokročilých+ hráčov. Z počiatočného súboru bolo pre celú štúdiu vybratých 29 účastníkov zahŕňajúcich všetky úrovne zručností.
Potom sa vybraný hráč zapojil do troch súťažných hier proti robotovi podľa upravených pravidiel stolného tenisu, aby sa zohľadnili obmedzenia robota.
Okrem zberu kvantitatívnych údajov z robota výskumníci po zápase uskutočnili krátke, pološtruktúrované rozhovory s každým účastníkom o jeho celkovej skúsenosti.
Výsledky
Celkovo robot vyhral 45 % svojich zápasov a predviedol solídny celkový výkon.
Dominovalo začiatočníkom (vyhralo 100 % zápasov) a udržalo si svoje postavenie proti mierne pokročilým (vyhralo 55 %), ale bojovalo proti pokročilým a pokročilým hráčom (prehralo všetky zápasy).
Našťastie pre nás, obyčajných smrteľníkov, tu bola aspoň jedna veľká slabina: obtiažnosť robota pri manipulácii s výpletom, čo bola v porovnaní so skúsenejšími hráčmi výrazná štrbina v jeho brnení.
Napriek tomu, ak vôbec neviete hrať stolný tenis alebo si myslíte, že ste v tom v pohode, tento robot bude mať svoje šance.
Barney J. Reed, tréner stolného tenisu, komentoval štúdiu“Skutočne úžasné sledovať, ako robot hrá s hráčmi všetkých úrovní a štýlov. Naším cieľom bolo, aby bol robot na strednej úrovni. Prekvapivo sa to podarilo, všetka tvrdá práca sa vyplatila.“
„Mám pocit, že robot prekonal aj moje očakávania. Bolo mi naozaj cťou a potešením byť súčasťou tohto výskumu. Toľko som sa naučil a som veľmi vďačný za všetkých, s ktorými som mal tú česť na tomto pracovať.“
Toto je ďaleko od prvého vpádu DeepMind do športovej robotiky a AI. Nie je to tak dávno, čo postavili AI futbalové roboty schopný prihrať, zdolávať a strieľať.
DeepMind vydala Nástroje AI robotiky pre vývojárov už roky a urobili nedávne prelomy v robotické videnie a obratnosť.
Keďže AI a robotika neustále napredujú, môžeme očakávať, že uvidíme viac príkladov strojov zvládajúcich úlohy, ktoré boli kedysi považované za výlučne ľudské domény.
Deň, kedy môžete vyzvať robota na stolný tenis vo vašom miestnom komunitnom centre, nemusí byť ďaleko – len sa nečudujte, že vás porazí v prvom kole.
