Investigadores de Google DeepMind han desarrollado un robot impulsado por IA capaz de jugar al tenis de mesa de competición al nivel de un humano aficionado.
Registrar la presencia de una pelota de ping-pong, calcular su dirección y mover la pala para golpearla -todo ello en una fracción de segundo- es una tarea colosal en robótica.
El robot de DeepMind está equipado con un brazo robótico IRB 1100 montado sobre dos pórticos lineales, que le permiten desplazarse rápidamente a través de la mesa y hacia ella.
Tiene una increíble amplitud de movimiento, llegando a la mayoría de las zonas de la mesa para golpear la pelota con la pala como lo hace un humano.
Los "ojos" son cámaras de alta velocidad que captan imágenes a 125 fotogramas por segundo y envían datos a un sistema de percepción basado en redes neuronales que sigue la posición de la pelota en tiempo real.
El sistema de IA que controla el robot emplea un sofisticado sistema de dos niveles:
- Controladores de bajo nivel (LLC): Se trata de redes neuronales especializadas entrenadas para realizar habilidades específicas del tenis de mesa, como los golpes de derecha liftados o el remate de revés. Cada LLC está diseñada para destacar en un aspecto concreto del juego.
- Controlador de alto nivel (HLC): Es el cerebro estratégico del sistema. El HLC elige qué LLC utilizar para cada bola entrante, basándose en el estado actual del juego, el estilo de juego del adversario y las propias capacidades del robot.
Este doble enfoque permite al robot combinar una ejecución precisa de los tiros individuales con una estrategia de alto nivel, imitando la forma en que los jugadores humanos piensan sobre el juego.
Acercar la simulación al mundo real
Uno de los mayores retos de la robótica es transferir al mundo real las habilidades aprendidas en entornos de simulación.
En DeepMind estudiar documenta varias técnicas para solucionarlo:
- Modelado físico realista: Los investigadores utilizaron motores de física avanzada para modelar la compleja dinámica del tenis de mesa, incluidos el giro de la pelota, la resistencia del aire y las interacciones entre la pala y la pelota.
- Aleatorización de dominios: Durante el entrenamiento, la IA estuvo expuesta a una amplia gama de condiciones simuladas, lo que le ayudó a generalizar las variaciones que podría encontrar en el mundo real.
- Adaptación de simulación a realidad: El equipo desarrolló métodos para ajustar las habilidades simuladas al rendimiento en el mundo real, incluida una novedosa técnica de "corrección del giro" para tratar las diferencias de comportamiento de las palas entre la simulación y la realidad.
- Recogida iterativa de datos: Los investigadores actualizaron continuamente sus datos de entrenamiento con partidas reales, creando un ciclo de aprendizaje cada vez mejor.
Quizá una de las características más impresionantes del robot sea su capacidad de adaptación en tiempo real. Durante un partido, el sistema registra diversas estadísticas sobre su propio rendimiento y el de su oponente.
Utiliza esta información para ajustar su estrategia sobre la marcha, aprendiendo a explotar los puntos débiles del juego del adversario al tiempo que refuerza sus propias defensas.
Evaluación del robot de ping-pong
¿Cómo probó DeepMind su robot de tenis de mesa?
En primer lugar, el equipo reclutó a 59 jugadores voluntarios y evaluó sus habilidades en el tenis de mesa, clasificándolos como principiantes, intermedios, avanzados o avanzados+. Del grupo inicial, se seleccionaron 29 participantes de todos los niveles para el estudio completo.
A continuación, un jugador seleccionado disputó tres partidos de competición contra el robot, siguiendo unas reglas de tenis de mesa modificadas para tener en cuenta las limitaciones del robot.
Además de recoger datos cuantitativos del robot, tras el partido los investigadores realizaron breves entrevistas semiestructuradas a cada participante sobre su experiencia en general.
Resultados
En total, el robot ganó 45% de sus partidos, demostrando un sólido rendimiento general.
Dominó a los principiantes (ganó 100% de partidos) y se mantuvo firme contra los intermedios (ganó 55%), pero tuvo problemas contra los jugadores avanzados y avanzados+ (perdió todos los partidos).
Por suerte para nosotros, los simples mortales, había al menos una gran debilidad: la dificultad del robot para manejar el efecto bajo, que era una notable grieta en su armadura frente a jugadores más experimentados.
Aun así, si no sabes jugar al tenis de mesa o crees que sólo se te da bien, este robot te encantará.
Barney J. Reed, entrenador de tenis de mesa, comenta el estudioEs realmente impresionante ver al robot enfrentarse a jugadores de todos los niveles y estilos. Nuestro objetivo era que el robot tuviera un nivel intermedio. Sorprendentemente lo consiguió, todo el trabajo duro dio sus frutos".
"Creo que el robot superó incluso mis expectativas. Ha sido un verdadero honor y un placer formar parte de esta investigación. He aprendido mucho y estoy muy agradecido a todos con los que he tenido el placer de trabajar en esto."
Esta no es ni mucho menos la primera incursión de DeepMind en la robótica deportiva y la IA. No hace mucho, construyeron Robots futbolistas con inteligencia artificial capaz de pasar, placar y disparar.
DeepMind ha estado publicando Herramientas robóticas de IA a los desarrolladores durante años y ha logrado avances recientes en visión y destreza robóticas.
A medida que la IA y la robótica sigan avanzando, es de esperar que veamos más ejemplos de máquinas que dominan tareas que antes se consideraban de dominio exclusivamente humano.
El día en que pueda retar a un robot a un partido de ping-pong en su centro comunitario local puede que no esté muy lejos, pero no se sorprenda si le gana en la primera ronda.
