Τα ανθρωποειδή ρομπότ κάνουν ακόμη ένα βήμα προς έναν κόσμο όπου οι μηχανές δεν εκτελούν απλώς προκαθορισμένες εντολές, αλλά μπορούν να αντιλαμβάνονται το περιβάλλον, να παίρνουν αποφάσεις σε πραγματικό χρόνο και να προσαρμόζουν αυτόνομα τις κινήσεις τους.
Αυτό ακριβώς απέδειξαν τα ρομπότ της κινεζικής εταιρείας Galbot, συμμετέχοντας σε έναν εντυπωσιακό αγώνα τένις κατά τη διάρκεια της τελετής έναρξης των Δεύτερων Παγκόσμιων Αγώνων Ανθρωποειδών Ρομπότ (WHRG) στο Πεκίνο.
Σύμφωνα με τη Galbot, τα ανθρωποειδή ρομπότ κατάφεραν να πραγματοποιήσουν περισσότερες από 100 συνεχόμενες ανταλλαγές, σε αυτό που η εταιρεία χαρακτήρισε ως τον πρώτο ζωντανό αγώνα τένις με αυτόνομα ανθρωποειδή ρομπότ.
Τα ρομπότ έπαιξαν χωρίς άμεσο ανθρώπινο έλεγχο
Κατά τη διάρκεια του αγώνα, τα ρομπότ έπρεπε να παρακολουθούν την πορεία της μπάλας, να υπολογίζουν τη θέση τους στο γήπεδο και να επιλέγουν την κατάλληλη κίνηση. Εκτέλεσαν χτυπήματα forehand και backhand, σερβίς, επιστροφές και κινήσεις ανάκτησης, προσαρμόζοντας παράλληλα τη στάση και την ισορροπία τους.
Σε ορισμένες περιπτώσεις, μάλιστα, κατάφεραν να επαναφέρουν την ισορροπία τους μετά από απώλεια σταθερότητας και να συνεχίσουν το παιχνίδι.
Όπως αναφέρει το interestingengineering.com, η πρόκληση έγινε ακόμη μεγαλύτερη όταν τα ανθρωποειδή ρομπότ αγωνίστηκαν σε διπλά μαζί με επαγγελματίες τενίστες, καθώς χρειάστηκε να προσαρμόζουν συνεχώς τη θέση και τις κινήσεις τους στις εξελίξεις του αγώνα.
Η επίδειξη πραγματοποιήθηκε στο πλαίσιο των δεύτερων WHRG, όπου συμμετέχουν 2.056 ρομπότ από 666 ομάδες και 16 χώρες, με τη διοργάνωση να διευρύνει τις δοκιμασίες για τις μηχανές σε πιο σύνθετα και δυναμικά περιβάλλοντα.
Η τεχνητή νοημοσύνη μαθαίνει τένις
Πίσω από τις δυνατότητες των ρομπότ βρίσκεται το LATENT (Learning Athletic Humanoid Tennis Skills from Imperfect Human Motion Data), ένα πλαίσιο τεχνητής νοημοσύνης που αναπτύχθηκε για την εκμάθηση σύνθετων αθλητικών δεξιοτήτων.
Το σύστημα αναλύει τις ανθρώπινες κινήσεις σε βασικές δεξιότητες, όπως το forehand, το backhand και οι πλευρικές μετακινήσεις, και στη συνέχεια τις συνδυάζει για πιο σύνθετες ενέργειες.
Μέσω ενισχυτικής μάθησης και μεγάλης κλίμακας προσομοιώσεων, τα ρομπότ εκπαιδεύονται ώστε να επιλέγουν την κατάλληλη κίνηση ανάλογα με την πορεία της μπάλας και τις συνθήκες του παιχνιδιού.
Το αποτέλεσμα είναι μια εντυπωσιακή επίδειξη του πώς η ρομποτική και η τεχνητή νοημοσύνη μπορούν να μετατρέψουν ένα ανθρωποειδές ρομπότ από μια μηχανή που ακολουθεί εντολές σε έναν αυτόνομο «αθλητή» που αντιδρά σε πραγματικό χρόνο.