نورنیوز-گروه ورزشی: دانشگاه برکلی اخیراً ویدیویی از آخرین دستاورد خود ربات انساننمای پینگپنگ (HITTER) منتشر کرده است که در آن این ربات با بازیکنان انسانی به رقابت میپردازد.
ربات در اجرای حرکات خود مهارت قابل توجهی از خود نشان داد و در یک رالی بیش از ۱۰۰ ضربه، توپ را با دقتی نزدیک به حرکات انسانی بازمیگرداند. HITTER با بازوی چپ خود تعادل بدن را حفظ کرده و همزمان ضربات دقیق را اجرا میکرد، بهگونهای که حرکتهایش شباهت زیادی به بازیکنان حرفهای داشت.
طراحی دو سیستمی
عملکرد چشمگیر HITTER به طراحی دو بخشی آن نسبت داده میشود که شیوه بازی انسانها را شبیهسازی میکند.
در مرکز این سیستم یک برنامهریز سطح بالا قرار دارد که نقش مغز ربات را ایفا میکند. این برنامهریز با استفاده از دوربینهای خارجی، موقعیت توپ را بهصورت لحظهای ردیابی کرده و پیشبینی میکند که توپ در کجا فرود خواهد آمد. سپس بر اساس این اطلاعات، مکان، سرعت و زمانبندی دقیق مورد نیاز برای بازگشت موفق توپ را محاسبه میکند.
سیستم مکمل یک محاسبهگر سطح پایین است که نقش بدن ربات را دارد. این بخش محاسبات برنامهریز سطح بالا را به حرکات هماهنگ دستها و پاهای ربات تبدیل میکند.
HITTER همچنین با دادههای حرکتی انسان آموزش دیده است، بنابراین قادر است حرکتهایی طبیعی و قابل درک داشته باشد. این ربات میتواند بهصورت جانبی جابهجا شود، بچرخد و با روانی کامل راکت خود را حرکت دهد و به توپهایی با سرعت تا ۵ متر بر ثانیه، در کمتر از یک ثانیه واکنش نشان دهد.
آموزش با استفاده از یادگیری تقویتی
آموزش یک ربات برای بازی پینگپنگ چالشهای خاصی دارد. این ورزش نیازمند تصمیمگیریهای لحظهای، هماهنگی دقیق و انطباق با ضربات غیرقابل پیشبینی است. پژوهشگران دانشگاه برکلی با ترکیب برنامهریزی مبتنی بر مدل و یادگیری تقویتی این چالش را حل کردند.
برنامهریز مبتنی بر مدل وظیفه پیشبینی مسیر توپ و تصمیمگیری را بر عهده دارد در حالی که یادگیری تقویتی حرکات HITTER را از طریق آزمایش و خطا بهبود میبخشد.
این ترکیب به ربات امکان داد که ضربات را بهطور مؤثر بازگرداند و حرکات و تکنیکهای انسانی را شبیهسازی کند، بهگونهای که حرکات آن بهطور شگفتانگیزی طبیعی به نظر برسد.
قابلیت واکنش به شرایط غیرقابل پیشبینی
چارچوب HITTER روی یک پلتفرم ربات انساننمای چندمنظوره، احتمالا Unitree G۱ در شرایط مسابقه واقعی آزمایش شد. در طول آزمایشها، HITTER موفق شد در یک رالی ۱۰۶ ضربه متوالی با بازیکنان انسانی شرکت کند، دستاوردی که حتی برای بسیاری از بازیکنان آماتور هم چالشبرانگیز است.
این سیستم همچنین توانایی انعطافپذیری خود را با رقابت با یک ربات انساننمای دیگر نشان داد و توانست تبادلات مداومی در رالیهای متعدد حفظ کند.
پژوهشگران دانشگاه برکلی اعلام کردند که نتایج به دست آمده نشان میدهد HITTER قادر است با شرایط غیرقابل پیشبینی و سرعت مسابقه واقعی سازگار شود و تنها محدود به محیطهای آزمایشگاهی نیست.