Forscher von Google DeepMind haben einen KI-gesteuerten Roboter entwickelt, der in der Lage ist, Tischtennis auf dem Niveau eines menschlichen Amateurs zu spielen.
Das Erkennen eines Tischtennisballs, das Berechnen seiner Richtung und das Bewegen des Schlägers, um ihn zu treffen - alles in Sekundenbruchteilen - ist eine Mammutaufgabe in der Robotik.
Der DeepMind-Roboter ist mit einem IRB 1100-Roboterarm ausgestattet, der auf zwei linearen Portalen montiert ist, die es ihm ermöglichen, sich schnell über den Tisch und auf ihn zu bewegen.
Er hat einen unglaublichen Bewegungsspielraum und erreicht die meisten Bereiche des Tisches, um den Ball mit einem Paddel zu schlagen, wie es ein Mensch tut.
Die "Augen" sind Hochgeschwindigkeitskameras, die Bilder mit 125 Bildern pro Sekunde aufnehmen und die Daten an ein auf einem neuronalen Netz basierendes Wahrnehmungssystem weiterleiten, das die Position des Balls in Echtzeit verfolgt.
Das KI-System, das den Roboter steuert, verwendet ein ausgeklügeltes zweistufiges System:
- Low-Level-Controller (LLCs): Es handelt sich um spezialisierte neuronale Netze, die für bestimmte Tischtennisfertigkeiten trainiert wurden, wie z. B. Vorhand-Topspin-Schläge oder Rückhand-Targeting. Jedes LLC ist so konzipiert, dass es in einem bestimmten Aspekt des Spiels brilliert.
- High-Level-Controller (HLC): Dies ist das strategische Gehirn des Systems. Der HLC entscheidet, welche LLC für jeden ankommenden Ball zu verwenden ist, basierend auf dem aktuellen Spielzustand, dem Spielstil des Gegners und den eigenen Fähigkeiten des Roboters.
Dieser duale Ansatz ermöglicht es dem Roboter, die präzise Ausführung einzelner Schläge mit einer übergeordneten Strategie zu kombinieren und so die Art und Weise nachzuahmen, wie menschliche Spieler über das Spiel denken.
Simulation mit der realen Welt verknüpfen
Eine der größten Herausforderungen in der Robotik ist die Übertragung der in Simulationsumgebungen erlernten Fähigkeiten auf die reale Welt.
Die DeepMind Studie dokumentiert mehrere Techniken, um dieses Problem zu lösen:
- Realistische Physikmodellierung: Die Forscher setzten fortschrittliche Physik-Engines ein, um die komplexe Dynamik des Tischtennisspiels zu modellieren, einschließlich der Drehung des Balls, des Luftwiderstands und der Wechselwirkungen zwischen Schläger und Ball.
- Randomisierung von Bereichen: Während des Trainings wurde die KI einer breiten Palette von simulierten Bedingungen ausgesetzt, was ihr hilft, sich auf die Variationen einzustellen, die sie in der realen Welt antreffen könnte.
- Anpassung von der Simulation zur Realität: Das Team entwickelte Methoden zur Feinabstimmung der simulierten Fähigkeiten auf die reale Leistung, einschließlich einer neuartigen "Spin-Korrektur"-Technik, um die Unterschiede im Paddelverhalten zwischen Simulation und Realität auszugleichen.
- Iterative Datenerhebung: Die Forscher aktualisierten ihre Trainingsdaten kontinuierlich mit realen Spielen und schufen so einen sich ständig verbessernden Lernzyklus.
Eine der vielleicht beeindruckendsten Eigenschaften des Roboters ist seine Fähigkeit, sich in Echtzeit anzupassen. Während eines Spiels verfolgt das System verschiedene Statistiken über seine eigene Leistung und die seines Gegners.
Es nutzt diese Informationen, um seine Strategie im Handumdrehen anzupassen, indem es lernt, Schwächen im Spiel des Gegners auszunutzen und gleichzeitig seine eigene Verteidigung zu verstärken.
Bewertung des Tischtennis-Roboters
Wie hat DeepMind also seinen Tischtennisroboter getestet?
Zunächst rekrutierte das Team 59 freiwillige Spieler und bewertete ihre Tischtennisfähigkeiten, wobei sie in Anfänger, Fortgeschrittene und Fortgeschrittene+ eingeteilt wurden. Aus dem anfänglichen Pool wurden 29 Teilnehmer aus allen Spielstärken für die vollständige Studie ausgewählt.
Anschließend trat ein ausgewählter Spieler in drei Wettbewerbsspielen gegen den Roboter an, wobei er modifizierte Tischtennisregeln befolgte, um die Einschränkungen des Roboters zu berücksichtigen.
Zusätzlich zur Erfassung der quantitativen Daten des Roboters führten die Forscher nach dem Spiel kurze, halbstrukturierte Interviews mit jedem Teilnehmer über seine Gesamterfahrung.
Ergebnisse
Insgesamt gewann der Roboter 45% seiner Spiele und zeigte damit eine solide Gesamtleistung.
Er dominierte die Anfänger (gewann 100% der Spiele) und behauptete sich gegen die Fortgeschrittenen (gewann 55%), hatte es aber schwer gegen die Fortgeschrittenen und Fortgeschrittenen+ (verlor alle Spiele).
Zum Glück für uns Normalsterbliche gab es zumindest eine große Schwäche: die Schwierigkeit des Roboters, mit Unterspin umzugehen, was eine erhebliche Schwachstelle gegenüber erfahreneren Spielern darstellte.
Aber auch wenn du überhaupt nicht Tischtennis spielen kannst oder glaubst, dass du es nur ganz gut kannst, wird dieser Roboter seine Chancen nutzen.
Barney J. Reed, ein Tischtennistrainer, kommentierte die StudieEs war wirklich fantastisch, den Roboter gegen Spieler aller Niveaus und Stile spielen zu sehen. Unser Ziel war es, den Roboter auf ein mittleres Niveau zu bringen. Erstaunlicherweise hat er genau das geschafft, all die harte Arbeit hat sich ausgezahlt."
"Ich habe das Gefühl, dass der Roboter sogar meine Erwartungen übertroffen hat. Es war eine große Ehre und Freude, an dieser Forschung mitzuwirken. Ich habe so viel gelernt und bin sehr dankbar für alle, mit denen ich daran arbeiten durfte."
Dies ist bei weitem nicht der erste Vorstoß von DeepMind in die Sportrobotik und KI. Vor nicht allzu langer Zeit bauten sie AI-Fußballroboter die in der Lage sind zu passen, zu tackeln und zu schießen.
DeepMind hat in den letzten Jahren AI-Robotik-Tools für Entwickler und hat in jüngster Zeit Durchbrüche in der Roboter-Sicht und -Geschicklichkeit.
Mit den weiteren Fortschritten in der KI und der Robotik werden wir immer mehr Beispiele dafür sehen, dass Maschinen Aufgaben bewältigen, die früher als ausschließlich menschliche Domäne galten.
Der Tag, an dem Sie einen Roboter zu einem Tischtennisspiel in Ihrem örtlichen Gemeindezentrum herausfordern können, ist vielleicht nicht mehr weit entfernt - seien Sie nur nicht überrascht, wenn er Sie in der ersten Runde besiegt.
