Laboratório de inteligência artificial do Google cria jogador de tênis de mesa robô

Esportes têm servido porquê um importante teste para robôs. Finalmente, se forem capaz de entender os minusiosos detalhes que permitem um humano a praticar um esporte, talvez se tornem capaz de viver quase porquê os seus criadores vivem.

Em uma progressão bastante significativo na robótica, a laboratório de perceptibilidade sintético do Google, Deep Mind, apresentou um estudo intitulado “Achieving Human Level Competitive Robot Table Tennis”, no qual desenvolveram um jogador robótico de nível humano diletante quando comparado a um oponente humano.

Durante os testes, o robô de tênis de mesa foi capaz de vencer todos os jogadores de nível iniciante que enfrentou. Com jogadores intermediários, o robô ganhou 55% dos jogos. No entanto, ele não está pronto para enfrentar profissionais. O robô perdeu todas as vezes que enfrentou um jogador avançado. No totalidade, o sistema venceu 45% dos 29 jogos que disputou.

Robotic table tennis has served as a benchmark for this type of research since the 1980s.

The robot has to be good at low level skills, such as returning the ball, as well as high level skills, like strategizing and long-term planning to achieve a goal. pic.twitter.com/IX7VuDyC4J

— Google DeepMind (@GoogleDeepMind) August 8, 2024

“Leste é o primeiro agente robótico capaz de jogar um esporte com humanos no nível humano e representa um marco na aprendizagem e controle de robôs”, afirma o item. “No entanto, é também unicamente um pequeno passo em direção a um objetivo de longa data na robótica de entender desempenho em nível humano em muitas habilidades úteis do mundo real. Muito trabalho ainda é necessário para consistentemente atingir desempenho em nível humano em tarefas únicas e, em seguida, outrossim, na construção de robôs generalistas que sejam capazes de realizar muitas tarefas úteis, interagindo habilmente e com segurança com humanos no mundo real.”

A maior limitação do sistema é sua capacidade de reagir a bolas rápidas. O DeepMind sugere que as principais razões para isso são a latência do sistema, a premência de redefinições obrigatórias entre os lances e a falta de dados úteis.

Outras questões exploráveis no sistema são bolas altas e baixas, backhand e a capacidade de ler o efeito em uma esfera que se aproxima.

Quanto a porquê tal pesquisa poderia afetar a robótica além da utilidade muito limitada do tênis de mesa, o DeepMind cita arquitetura de políticas, seu uso de simulação para operar em jogos reais, e sua capacidade de harmonizar sua estratégia em tempo real.