Des chercheurs de Google DeepMind ont mis au point un robot doté d'une intelligence artificielle capable de jouer au tennis de table en compétition à un niveau humain amateur.
Enregistrer la présence d'une balle de ping-pong, calculer sa direction et déplacer la raquette pour la frapper - le tout en une fraction de seconde - est une tâche colossale en robotique.
Le robot de DeepMind est équipé d'un bras robotique IRB 1100 monté sur deux portiques linéaires, ce qui lui permet de se déplacer rapidement à travers et vers la table.
Il dispose d'une incroyable amplitude de mouvement, atteignant la plupart des zones de la table pour frapper la balle avec une palette, comme le fait un humain.
Les "yeux" sont des caméras à grande vitesse qui capturent des images à 125 images par seconde, transmettant les données à un système de perception basé sur un réseau neuronal qui suit la position de la balle en temps réel.
Le système d'intelligence artificielle qui contrôle le robot utilise un système sophistiqué à deux niveaux :
- Contrôleurs de bas niveau (LLC): Il s'agit de réseaux neuronaux spécialisés, entraînés à exécuter des techniques de tennis de table spécifiques, telles que les frappes liftées du coup droit ou le ciblage du revers. Chaque LLC est conçu pour exceller dans un aspect particulier du jeu.
- Contrôleur de haut niveau (HLC): C'est le cerveau stratégique du système. Le HLC choisit quel LLC utiliser pour chaque balle entrante, en fonction de l'état actuel du jeu, du style de jeu de l'adversaire et des capacités du robot.
Cette double approche permet au robot de combiner l'exécution précise de tirs individuels avec une stratégie de plus haut niveau, imitant ainsi la façon dont les joueurs humains réfléchissent au jeu.
Faire le lien entre la simulation et le monde réel
L'un des plus grands défis de la robotique est de transférer dans le monde réel les compétences acquises dans des environnements de simulation.
Les DeepMind étude documente plusieurs techniques pour résoudre ce problème :
- Modélisation physique réaliste: Les chercheurs ont utilisé des moteurs physiques avancés pour modéliser la dynamique complexe du tennis de table, notamment la rotation de la balle, la résistance de l'air et les interactions entre la raquette et la balle.
- Randomisation des domaines: Au cours de la formation, l'IA a été exposée à un large éventail de conditions simulées, ce qui l'a aidée à s'adapter aux variations qu'elle pourrait rencontrer dans le monde réel.
- Adaptation de la simulation à la réalité: L'équipe a mis au point des méthodes pour ajuster les compétences simulées aux performances réelles, notamment une nouvelle technique de "correction de la rotation" pour gérer les différences de comportement de la pagaie entre la simulation et la réalité.
- Collecte itérative de données: Les chercheurs ont continuellement mis à jour leurs données d'entraînement avec des jeux réels, créant ainsi un cycle d'apprentissage en constante amélioration.
L'une des caractéristiques les plus impressionnantes du robot est peut-être sa capacité à s'adapter en temps réel. Au cours d'un match, le système suit diverses statistiques sur ses propres performances et celles de son adversaire.
Il utilise ces informations pour ajuster sa stratégie à la volée, en apprenant à exploiter les faiblesses du jeu de l'adversaire tout en renforçant ses propres défenses.
Évaluation du robot ping-pong
Comment DeepMind a-t-il testé son robot de tennis de table ?
Tout d'abord, l'équipe a recruté 59 joueurs volontaires et a évalué leurs compétences en tennis de table, les classant en débutants, intermédiaires, avancés ou avancés+. De ce groupe initial, 29 participants couvrant tous les niveaux de compétence ont été choisis pour l'étude complète.
Ensuite, un joueur sélectionné s'est engagé dans trois parties compétitives contre le robot, en suivant des règles de tennis de table modifiées pour tenir compte des limites du robot.
En plus de recueillir des données quantitatives sur le robot, les chercheurs ont mené, après le match, de brefs entretiens semi-structurés avec chaque participant au sujet de leur expérience globale.
Résultats
Dans l'ensemble, le robot a remporté 45% de ses matches, ce qui témoigne d'une solide performance globale.
Il a dominé les débutants (gagnant 100% des matchs) et s'est maintenu contre les intermédiaires (gagnant 55%), mais a eu du mal contre les joueurs avancés et avancés+ (perdant tous les matchs).
Heureusement pour nous, simples mortels, il y avait au moins une grande faiblesse : la difficulté du robot à gérer les sous-vrilles, ce qui constituait une faille notable dans son armure face à des joueurs plus expérimentés.
Néanmoins, si vous ne savez pas du tout jouer au tennis de table ou si vous pensez que vous êtes tout juste bon à le faire, ce robot ne manquera pas de mettre toutes les chances de son côté.
Barney J. Reed, entraîneur de tennis de table, a commenté l'étudeIl est vraiment impressionnant de voir le robot jouer contre des joueurs de tous les niveaux et de tous les styles. Au départ, notre objectif était que le robot soit d'un niveau intermédiaire. C'est ce qu'il a fait, tout le travail a porté ses fruits".
"Je pense que le robot a dépassé toutes mes attentes. Ce fut un véritable honneur et un plaisir de participer à cette recherche. J'ai beaucoup appris et je suis très reconnaissant à tous ceux avec qui j'ai eu le plaisir de travailler sur ce projet."
DeepMind n'en est pas à sa première incursion dans le domaine de la robotique sportive et de l'IA. Il n'y a pas si longtemps, l'entreprise a construit Robots footballeurs IA capable de faire des passes, de plaquer et de tirer.
DeepMind a publié des Outils de robotique IA aux développeurs depuis des années et a fait des percées récentes dans le domaine de la recherche et du développement. la vision et la dextérité des robots.
À mesure que l'IA et la robotique progressent, nous pouvons nous attendre à voir de plus en plus d'exemples de machines maîtrisant des tâches autrefois considérées comme relevant exclusivement du domaine humain.
Le jour où vous pourrez défier un robot au tennis de table dans votre centre communautaire local n'est peut-être pas si loin - mais ne soyez pas surpris s'il vous bat au premier tour.
