Google DeepMind trainde een robot die kan tafeltennissen. Op de volgende Olympische Spelen zullen we de tafeltennisrobot nog niet tegenkomen: de robot kan nog niet serveren.
Onderzoekers slaagden erin een robotarm 13 van de 29 tafeltenniswedstrijden te laten winnen tegen menselijke tegenstanders. Dit meldt MIT Technology Review. De tafeltennisrobot is verre van perfect. De tafeltennisrobot won van alle beginners tegen wie hij speelde. En versloeg 55% van de amateurspelers. Toch verloor hij alle wedstrijden tegen gevorderde spelers.
“Verbluffende resultaten”
“Zelfs een paar maanden geleden dachten we realistisch gezien dat de robot misschien niet in staat zou zijn om te winnen van mensen tegen wie hij nog niet speelde. Het systeem heeft zeker onze verwachtingen overtroffen.” Dat zegt Pannag Sanketi. Hij is senior software-engineer bij Google DeepMind en leidde het project. “De manier waarop de robot zelfs sterke tegenstanders overtroefde, was verbluffend.”
En het onderzoek heeft nut. Het vertegenwoordigt namelijk een stap in de richting van het creëren van robots die nuttige taken vakkundig en veilig kunnen uitvoeren. En dat in echte omgevingen zoals huizen en magazijnen. Dat is een doelstelling van de robotica-gemeenschap.
Computersimulaties
Om een vaardige tafeltennisspeler te worden, hebben mensen een uitstekende hand-oogcoördinatie nodig. Dit naast het vermogen om snel te bewegen. En snelle beslissingen te nemen als reactie op hun tegenstander. Dit zijn aanzienlijke uitdagingen voor robots.
De onderzoekers van Google DeepMind gebruikten een tweedelige aanpak om het systeem te trainen om deze vaardigheden na te bootsen. Ze gebruikten computersimulaties om het systeem zijn slagvaardigheden te laten beheersen. En vervolgens verfijnden ze het met behulp van echte gegevens. Zo kon men de prestaties in de loop van de tijd verbeteren.
Grote dataset
De onderzoekers stelden een dataset samen van situaties bij wedstrijden. Denk aan gegevens over positie, spin en snelheid. Het systeem maakte gebruik van deze bibliotheek in een gesimuleerde omgeving die ontworpen is om nauwkeurig de fysica van tafeltenniswedstrijden weer te geven, om vaardigheden zoals het terugspelen van een service, het slaan van een forehand topspin of een backhand slag te leren. Omdat de beperkingen van de robot betekenden dat hij de bal niet kon serveren, werden de echte wedstrijden aangepast om hiermee rekening te houden.
Google DeepMind gelooft dat het deze beperkingen op verschillende manieren kan aangepakt. Onder andere door voorspellende AI-modellen te ontwikkelen die zijn ontworpen om de baan van de bal te anticiperen. En door betere botsingsdetectie-algoritmes te introduceren.
Dynamische oefenpartner
Cruciaal is dat de menselijke spelers genoten van hun wedstrijden tegen de robotarm. Zelfs de gevorderde tegenstanders die in staat waren hem te verslaan, zeiden dat ze de ervaring leuk en boeiend vonden. En dat ze het potentieel zagen als een dynamische oefenpartner om hen te helpen hun vaardigheden te verbeteren.