I ricercatori di Google DeepMind hanno sviluppato un robot dotato di intelligenza artificiale in grado di giocare a tennis da tavolo a livello amatoriale.
Registrare la presenza di una pallina da ping-pong, calcolarne la direzione e muovere la racchetta per colpirla, il tutto in una frazione di secondo, è un'impresa titanica nella robotica.
Il robot di DeepMind è dotato di un braccio robotico IRB 1100 montato su due supporti lineari, che gli consentono di muoversi rapidamente attraverso e verso il tavolo.
Ha un'incredibile gamma di movimenti, raggiungendo la maggior parte delle aree del tavolo per colpire la palla con una pagaia, come fa un essere umano.
Gli "occhi" sono telecamere ad alta velocità che catturano immagini a 125 fotogrammi al secondo, fornendo dati a un sistema di percezione basato su una rete neurale che traccia la posizione della palla in tempo reale.
Il sistema di intelligenza artificiale che controlla il robot impiega un sofisticato sistema a due livelli:
- Controllori a basso livello (LLC): Si tratta di reti neurali specializzate addestrate per eseguire abilità specifiche del tennis da tavolo, come i colpi di dritto in topspin o i tiri di rovescio. Ogni LLC è progettato per eccellere in un particolare aspetto del gioco.
- Controllore ad alto livello (HLC): È il cervello strategico del sistema. L'HLC sceglie quale LLC utilizzare per ogni palla in arrivo, in base allo stato di gioco corrente, allo stile di gioco dell'avversario e alle capacità del robot stesso.
Questo duplice approccio consente al robot di combinare l'esecuzione precisa dei singoli tiri con una strategia di livello superiore, imitando il modo in cui i giocatori umani pensano al gioco.
Collegare la simulazione con il mondo reale
Una delle maggiori sfide della robotica è il trasferimento delle competenze apprese in ambienti di simulazione al mondo reale.
Il DeepMind studio documenta diverse tecniche per affrontare questo problema:
- Modellazione fisica realistica: I ricercatori hanno utilizzato motori fisici avanzati per modellare le complesse dinamiche del tennis da tavolo, tra cui la rotazione della pallina, la resistenza dell'aria e le interazioni tra pallina e racchetta.
- Randomizzazione del dominio: Durante l'addestramento, l'IA è stata esposta a un'ampia gamma di condizioni simulate, che l'hanno aiutata a generalizzare le variazioni che potrebbe incontrare nel mondo reale.
- Adattamento da sim a reale: Il team ha sviluppato metodi per mettere a punto le abilità simulate in base alle prestazioni reali, compresa una nuova tecnica di "correzione delle rotazioni" per gestire le differenze di comportamento della pagaia tra la simulazione e la realtà.
- Raccolta dati iterativa: I ricercatori hanno aggiornato continuamente i dati di addestramento con il gioco reale, creando un ciclo di apprendimento in continuo miglioramento.
Forse una delle caratteristiche più impressionanti del robot è la sua capacità di adattarsi in tempo reale. Durante una partita, il sistema tiene traccia di varie statistiche sulle proprie prestazioni e su quelle dell'avversario.
Utilizza queste informazioni per adattare la propria strategia al volo, imparando a sfruttare i punti deboli del gioco avversario e rafforzando al contempo le proprie difese.
Valutazione del robot da ping-pong
Allora, come ha fatto DeepMind a testare il suo robot da ping pong?
Per prima cosa, il team ha reclutato 59 giocatori volontari e ha valutato le loro abilità nel tennis da tavolo, classificandoli come principianti, intermedi, avanzati o avanzati+. Da questo gruppo iniziale, sono stati scelti 29 partecipanti di tutti i livelli di abilità per lo studio completo.
Poi, un giocatore selezionato si è impegnato in tre partite competitive contro il robot, seguendo le regole del tennis da tavolo modificate per tenere conto dei limiti del robot.
Oltre a raccogliere dati quantitativi dal robot, dopo la partita i ricercatori hanno condotto brevi interviste semi-strutturate con ogni partecipante sulla loro esperienza complessiva.
Risultati
Complessivamente, il robot ha vinto 45% delle sue partite, dimostrando una solida prestazione complessiva.
Ha dominato i principianti (vincendo 100% di partite) e ha tenuto testa agli intermedi (vincendo 55%), ma ha faticato contro i giocatori avanzati e avanzati+ (perdendo tutte le partite).
Fortunatamente per noi comuni mortali, c'era almeno una grande debolezza: la difficoltà del robot nel gestire l'underspin, che era una notevole falla nella sua armatura rispetto ai giocatori più esperti.
Tuttavia, se non sapete giocare a ping pong o se pensate di essere solo bravi, questo robot vi darà delle buone possibilità.
Barney J. Reed, allenatore di tennis da tavolo, ha commentato lo studio"È stato davvero impressionante vedere il robot giocare con giocatori di tutti i livelli e stili. Il nostro obiettivo era che il robot fosse di livello intermedio. Incredibilmente ha fatto proprio questo, tutto il duro lavoro è stato ripagato".
"Ritengo che il robot abbia superato anche le mie aspettative. È stato un vero onore e un piacere partecipare a questa ricerca. Ho imparato molto e sono molto grato a tutti coloro con cui ho avuto il piacere di lavorare".
Questa non è certo la prima incursione di DeepMind nella robotica sportiva e nell'intelligenza artificiale. Non molto tempo fa, ha costruito Robot da calcio AI in grado di passare, affrontare e tirare.
DeepMind ha rilasciato Strumenti di robotica AI per gli sviluppatori per anni e ha fatto progressi recenti in visione e destrezza dei robot.
Con il continuo progresso dell'IA e della robotica, possiamo aspettarci di vedere sempre più esempi di macchine che padroneggiano compiti che un tempo si pensava fossero di esclusiva competenza umana.
Il giorno in cui potrete sfidare un robot a una partita di ping-pong nel vostro centro sociale locale potrebbe non essere molto lontano, ma non sorprendetevi se vi batterà al primo turno.
