Para ilmuwan mengajar 'anjing robot' bertenaga AI bagaimana bermain bulu tangkis melawan manusia-dan itu sebenarnya sangat bagus
Para ilmuwan telah melatih robot berkaki empat untuk bermain bulutangkis melawan lawan manusia, dan berlari melintasi pengadilan untuk memainkan aksi unjuk rasa hingga 10 tembakan.
Dengan menggabungkan gerakan seluruh tubuh dengan persepsi visual, robotditelepon “Anymal“belajar untuk menyesuaikan cara bergerak untuk mencapai shuttlecock dan berhasil mengembalikannya melalui internet, terima kasih kecerdasan buatan (Ai).
Ini menunjukkan bahwa robot berkaki empat dapat dibangun sebagai lawan dalam “skenario olahraga yang kompleks dan dinamis,” tulis para peneliti dalam sebuah studi yang diterbitkan 28 Mei di jurnal Robotika sains.
Anymal adalah robot berkaki empat, seperti anjing yang beratnya 110 pound (50 kilogram) dan berdiri sekitar 1,5 kaki (0,5 meter). Memiliki empat kaki memungkinkan anymal dan Robot berkaki empat serupa melakukan perjalanan melintasi medan yang menantang dan naik dan turun rintangan.
Para peneliti sebelumnya telah menambahkan senjata ke mesin seperti anjing ini dan mengajari mereka cara Ambil objek tertentu atau Pintu terbuka dengan meraih pegangannya. Tetapi mengoordinasikan kontrol ekstremitas dan persepsi visual dalam lingkungan yang dinamis tetap menjadi tantangan dalam robotika.
Terkait: Tonton 'Robot Dog' berebut melalui kursus parkour dasar dengan bantuan AI
“Olahraga adalah aplikasi yang baik untuk penelitian semacam ini karena Anda dapat secara bertahap meningkatkan daya saing atau kesulitan,” rekan penulis studi Yuntao Maseorang peneliti robotika sebelumnya di ETH Zürich dan sekarang dengan robotika ringan startup, mengatakan kepada Live Science.
Mengajar anjing baru trik baru
Dalam penelitian ini, MA dan timnya menempelkan lengan dinamis yang memegang raket bulutangkis pada sudut 45 derajat ke robot anymal standar.
Dengan tambahan lengan, robot berdiri 5 kaki, tinggi 3 inci (1,6 m) dan memiliki 18 sendi: tiga pada masing -masing dari empat kaki, dan enam di lengan. Para peneliti merancang sistem bawaan yang kompleks yang mengendalikan gerakan lengan dan kaki.
Tim juga menambahkan kamera stereo, yang memiliki dua lensa yang ditumpuk satu sama lain, tepat di sebelah kanan tengah di bagian depan tubuh robot. Kedua lensa memungkinkannya untuk memproses informasi visual tentang shuttlecock yang masuk secara real time dan berolahraga di mana mereka menuju.
Robot itu kemudian diajarkan untuk menjadi pemain bulu tangkis melalui Pembelajaran Penguatan. Dengan jenis pembelajaran mesin ini, robot mengeksplorasi lingkungannya dan menggunakan coba -coba untuk belajar melihat dan melacak shuttlecock, menavigasi ke arahnya dan mengayunkan raket.
Untuk melakukan ini, para peneliti pertama kali menciptakan lingkungan simulasi yang terdiri dari pengadilan bulutangkis, dengan rekan virtual robot berdiri di tengah. Shuttlecocks virtual dilayani dari dekat pusat setengah dari lawan pengadilan, dan robot itu ditugaskan untuk melacak posisinya dan memperkirakan lintasan penerbangannya.
Kemudian, para peneliti menciptakan rejimen pelatihan yang ketat untuk mengajarkan anymal cara menyerang shuttlecocks, dengan pelatih virtual menghargai robot untuk berbagai karakteristik, termasuk posisi raket, sudut kepala raket, dan kecepatan ayunan. Yang penting, hadiah ayunan berbasis waktu untuk memberi insentif pada hit yang akurat dan tepat waktu.
Shuttlecock dapat mendarat di mana saja di seberang pengadilan, sehingga robot itu juga dihargai jika bergerak secara efisien melintasi pengadilan dan jika tidak mempercepat secara tidak perlu. Tujuan Anymal adalah untuk memaksimalkan seberapa banyak dihargai di semua persidangan.
Berdasarkan 50 juta uji coba pelatihan simulasi ini, para peneliti menciptakan jaringan saraf yang dapat mengendalikan pergerakan semua 18 sendi untuk melakukan perjalanan ke arah dan mencapai shuttlecock.
Pelajar yang cepat
Setelah simulasi, para ilmuwan mentransfer jaringan saraf ke robot, dan Anymal diletakkan melalui langkahnya di dunia nyata.
Di sini, robot itu dilatih untuk menemukan dan melacak shuttlecock oranye cerah yang dilayani oleh mesin lain, yang memungkinkan para peneliti untuk mengendalikan kecepatan, sudut, dan lokasi pendaratan shuttlecocks. Anymal harus berlari melintasi pengadilan untuk menabrak shuttlecock dengan kecepatan yang akan mengembalikannya melalui jaring dan ke pusat pengadilan.
Para peneliti menemukan bahwa, setelah pelatihan ekstensif, robot dapat melacak shuttlecocks dan secara akurat mengembalikannya dengan kecepatan ayunan hingga sekitar 39 kaki per detik (12 meter per detik) – kira -kira setengah dari kecepatan ayunan pemain bulutangkis amatir manusia rata -rata, para peneliti mencatat.
Anymal juga menyesuaikan pola pergerakannya berdasarkan seberapa jauh ia harus melakukan perjalanan ke shuttlecock dan berapa lama harus mencapainya. Robot tidak perlu bepergian ketika shuttlecock disebabkan oleh mendarat hanya beberapa kaki (setengah meter) jauhnya, tetapi sekitar 5 kaki (1,5 m), anymal bergegas untuk mencapai shuttlecock dengan menggerakkan keempat kaki. Pada sekitar 7 kaki (2,2 m) jauhnya, robot berlari ke arah shuttlecock, menghasilkan periode ketinggian yang memperpanjang jangkauan lengan sebesar 3 kaki (1 m) ke arah target.
“Mengontrol robot untuk melihat shuttleclock tidak begitu sepele,” kata Ma. Jika robot melihat shuttlecock, itu tidak bisa bergerak sangat cepat. Tetapi jika tidak terlihat, itu tidak akan tahu ke mana harus pergi. “Pertukaran ini harus terjadi dengan cara yang agak cerdas,” katanya.
Ma terkejut dengan seberapa baik robot menemukan cara memindahkan semua 18 sambungan dengan cara yang terkoordinasi. Ini adalah tugas yang sangat menantang karena motor di setiap sendi belajar secara mandiri, tetapi gerakan terakhir mengharuskan mereka untuk bekerja bersama -sama.
Tim juga menemukan bahwa robot secara spontan mulai pindah kembali ke pusat lapangan setelah setiap pukulan, mirip dengan bagaimana pemain manusia bersiap untuk shuttlecocks yang masuk.
Namun, para peneliti mencatat bahwa robot tidak mempertimbangkan gerakan lawan, yang merupakan cara penting pemain manusia memprediksi lintasan shuttlecock. Termasuk perkiraan pose manusia akan membantu meningkatkan kinerja Anymal, kata tim dalam penelitian ini. Mereka juga dapat menambahkan sambungan leher untuk memungkinkan robot memantau shuttlecock untuk lebih banyak waktu, Ma mencatat.
Dia pikir penelitian ini pada akhirnya akan memiliki aplikasi di luar olahraga. Misalnya, itu dapat mendukung pemindahan puing selama upaya bantuan bencana, katanya, karena robot akan dapat menyeimbangkan persepsi visual dinamis dengan gerakan gesit.
