桌球被廣泛認為是一項高強度運動,需要速度、反應能力、戰術和策略等,而十多年來,桌球也一直在機械手臂的基準測試發揮關鍵作用。
〈Achieving Human Level Competitive Robot Table Tennis〉論文顯示,Google DeepMind 的機器人團隊研究由 AI 驅動的桌球機器人,它結合名為 ABB IRB 1100 的工業機械手臂、高速攝影機以及 Google DeepMind 客製化開發的 AI 軟體,接近業餘桌球愛好者的水準。雖然比不上專業桌球選手,這套系統卻能展現機器適應複雜物理動作、掌握瞬間決策的潛力。
在 Google DeepMind 測試過程中,桌球機器人能夠擊敗桌球初學者,勝率達到 100%,而對會打桌球的中級玩家而言,勝率也有 55%。不過它還沒有準備好與專業選手競爭,每次對上都會輸。總而言之,這套系統在 29 名參與者的試打研究下,贏得 45% 的比賽。
桌球機器人需要克服的一大挑戰,在於缺乏對快球的反應能力,Google DeepMind 認為造成這種狀況的主要原因是系統延遲、鏡頭之間強制重置、以及缺乏有用數據。
「為了解決阻礙機器人對快球反應時間的延遲限制,我們建議研究先進的控制演算法和硬體最佳化」,研究人員指出,「這些可能包括探索預測模型來預測球路和軌跡,或在機器人的感測器和促動器之間運用更快的通訊協議」。
「這是第一個能夠與人類一起進行人類水準運動的機器人代理(agent),代表機器人學習和控制的里程碑」,這篇論文談道,這只是朝向機器人技術長遠目標邁出的一小步,為了在單一任務穩定達到人類水準表現,進而打造能夠執行多種有用任務、在現實世界中與人類熟練且安全互動的通用機器人,仍有許多工作要做。
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
Google DeepMind 在建立能夠擊敗人類的 AI 模型有所斬獲,過去包括 AlphaZero 和 AlphaGo 而聞名;有了這款機器人代理,該公司進軍體育運動領域。其機器人團隊強調,未來進一步完善下,相信這套系統有機會與頂尖桌球選手競爭。
- Man vs. machine: DeepMind’s new robot serves up a table tennis triumph
- Google DeepMind develops a ‘solidly amateur’ table tennis robot
(首圖來源:Freepik)