System LATENT uczy roboty na (cudzych) błędach
Kluczem do sukcesu chińskiego robota (opartego na popularnej platformie Unitree G1) jest innowacyjny model uczenia się o nazwie LATENT. Tradycyjnie nauka tak dynamicznych sportów wymagałaby gigantycznych zbiorów danych z precyzyjnych systemów motion-capture, rejestrujących każdy ułamek sekundy ruchu profesjonalisty. Zespół z Pekinu poszedł jednak inną drogą. Wykorzystali zaledwie 5 godzin nagrań ruchów amatorów, które były dalekie od ideału – zawierały szumy, błędy i nieprecyzyjne zagrania. To nie tylko bardzo mała paczka danych, ale w dodatku „brudna”. A jednak się sprawdziła. Dlaczego?
Sztuczka polega na dekompozycji tenisa na podstawowe „atomy” ruchu: uderzenia z forehandu, backhandu, kroki dostawne czy przeplatankę. System LATENT mapuje te fragmenty do tzw. ukrytej przestrzeni akcji. Dzięki temu robot nie kopiuje ślepo ruchów człowieka, ale uczy się ich logiki, co pozwala mu:
- Przewidywać trajektorię – robot w ułamku sekundy analizuje lot piłki i decyduje, gdzie musi się znaleźć.
- Korygować pozycję – maszyna płynnie przemieszcza się po korcie, wykorzystując koordynację całego ciała, by ustawić się idealnie do uderzenia.
- Improwizować – dzięki uczeniu przez wzmacnianie (reinforcement learning), robot potrafi dostosować siłę i kąt uderzenia do różnych stylów gry przeciwnika.
W testach system osiągnął skuteczność returnu z forehandu na poziomie 90,9%, a w szczytowych momentach nawet 96,5%. To wynik, który pozwala na stabilną, wielostzałową wymianę nawet z doświadczonymi graczami.
To rozwiązanie sprawdzi się nie tylko na korcie
Choć Unitree G1 nie jest jeszcze gotowy, by rzucić wyzwanie światowej czołówce ATP, jego postępy są zdumiewające. Jeszcze rok temu sukcesem było trafienie w lotkę do badmintona, dziś humanoid potrafi utrzymać wymianę trwającą kilkanaście uderzeń na pełnowymiarowym korcie. Marco da Silva z Boston Dynamics oraz inni eksperci podkreślają, że tenis jest jednym z najtrudniejszych benchmarków dla robotyki – wymaga połączenia wizji, balansu i ogromnej siły w ułamku sekundy.
Czytaj też: Witaj Skynecie!? Google nauczyło maszyny myśleć jak ludzie!
Sukces systemu LATENT otwiera drzwi do znacznie szerszej gamy zastosowań nie tylko w innych dyscyplinach sportowych, ale też w edukacji, rozrywce czy prac wysokiego ryzyka. Ta ostatnia kategoria jest szczególnie istotna, a umiejętność szybkiego reagowania i koordynacji całego ciała w „nieustrukturyzowanym” środowisku (takim jak kort) bezpośrednio przekłada się na zdolność robotów do pracy w ratownictwie czy trudnych warunkach przemysłowych.
Czytaj też: Gdzie człowiek nie może, tam robota pośle. Chiński humanoid wchodzi do służby w strefach śmierci
Warto dodać, że Galbot już teraz wdraża swoje technologie w innych sektorach – ich roboty obsługują ponad 100 bezobsługowych sklepów w Chinach, co pokazuje, że „sportowe” eksperymenty są poligonem doświadczalnym dla masowej automatyzacji.
Źródło: LATENT
