Kan en robot holde tritt med Serena Williams?
Forskere har lært en humanoid robot å spille tennis med mennesker – og den kan holde seg.
Det kinesiske AI-robotselskapet Galbot utviklet programvare for å lære en Unitree G1 humanoid robot å spille tennis mot en menneskelig ingeniør.
Selskapet la ut en video til sosiale medier som viser en hvit robot som holder det som ser ut til å være en umodifisert tennisracket og bruker den til å returnere ballen mens den stokkes over banen.
«Din humanoide tennisspiller er her!» Galbot skrev på X. «For første gang kan en humanoid robot opprettholde høydynamiske tennisstevner med lang horisont med reaksjoner på millisekundnivå, presise ballslag og naturlig helkroppsbevegelse.»
«Dette markerer et sprang fra mekanisk bevegelsesimitasjon til intelligent, beslutningsdrevet atletisk interaksjon.»
Programvaren er kalt LATENT (Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data), og selskapet hevder at det er verdens første sanntids-helkroppsplanleggings- og kontrollalgoritme for atletisk humanoid tennis.
I følge en artikkel som ennå ikke er fagfellevurdert, måtte systemet stole på «uperfekte menneskelige bevegelsesdata» som bare består av «bevegelsesfragmenter som fanger opp de primitive ferdighetene som brukes når man spiller tennis» i stedet for ren bevegelsesfangst fra «tenniskamper i den virkelige verden.»
De korte fragmentene av menneskelig bevegelse som ble brukt var bygd opp av ting som forhåndsvingninger, bakhåndsslag og grunnleggende fotarbeid. Disse bevegelsesfragmentene blir et bibliotek av bevegelsesbyggesteiner som roboten syr sammen og finner ut hvordan de skal kombineres i sanntid.
Når det gjelder håndleddskontroll, justerer robotens høynivåkontroller håndleddet direkte under spilling i stedet for å bruke de «ufullkomne» dataene.
Roboten kan opprettholde multi-shot tenniskamper med mennesker, reagere på baller som beveger seg over 15 meter per sekund, som er omtrent 33,5 miles per time, og klarer å produsere koordinerte slag og fotarbeid.
Bevegelsene som produseres ser relativt naturlige ut – spesielt for en robot. Den er ikke akkurat flytende som et menneske, men den er heller ikke stiv og robotaktig.
«Nøkkelinnsikten vår er at, til tross for at de er ufullkomne, gir slike kvasi-realistiske data fortsatt forutsetninger om menneskelige primitive ferdigheter i tennisscenarier,» fant forskerne.
«Med ytterligere korreksjon og komposisjon lærer vi en humanoid policy som konsekvent kan slå innkommende baller under et bredt spekter av forhold og returnere dem til målplasseringer, samtidig som naturlige bevegelsesstiler bevares.»
I simuleringstester oppnådde systemet opptil 96 % suksess i forhåndsskudd.
Ingeniørene sa imidlertid at programvaren kan være nyttig utover muligheten til å spille tennis.
«Selv om dette arbeidet primært fokuserer på returoppgaven for tennis, har det foreslåtte rammeverket potensial til å generalisere til et bredere spekter av oppgaver der fullstendige og høykvalitets menneskelige bevegelsesdata er utilgjengelige,» bemerket de.
Hvis en robot kan lære en komplisert fysisk ferdighet som tennis fra ufullkomne data, tyder det på at lignende tilnærminger også kan fungere for oppgaver i den virkelige verden.
Tidligere i år ble det rapportert at roboter som ligner mennesker kunne brette klesvask, åpne dører og til og med skaffe deg kaffe.
