På onsdagen avslöjade forskare vid Google DeepMind den första AI-styrda bordtennisspelaren som kan tävla på en amatörnivå.
Google AI och bordtennis: En helt ny era
Åsa Wallenrud
Uppdaterad: 18 nov. 2024Publicerad: 09 aug. 2024
ANNONS
ANNONS
Mest läst i kategorin
Systemet kombinerar en industrirobotarm, ABB IRB 1100, med specialanpassad AI-mjukvara från DeepMind. Även om en expertspelare fortfarande kan besegra roboten, visar systemet potentialen för maskiner att bemästra komplexa fysiska uppgifter som kräver snabba beslut och anpassningsförmåga rapporterar ArsTechnica.
“Det här är den första robotagenten som kan spela en sport med människor på deras nivå,” skrev forskarna i en förhandsutgiven artikel på arXiv. “Det är en milstolpe inom robotinlärning och kontroll.”
Imponerande prestationer av Googles AI
Den överlägsna robotagenten, utvecklad av ett team inklusive David B. D’Ambrosio, Saminda Abeyruwan och Laura Graesser, visade imponerande prestanda i flera matcher mot spelare med olika skicklighetsnivåer.
I en studie med 29 deltagare vann den AI-drivna roboten 45 procent av sina matcher. Mot nybörjare hade den en vinstprocent på 100 procent och mot mellanskickliga spelare 55 procent, men den hade svårare mot avancerade motståndare.
ANNONS
Senaste nytt
Avancerad teknologi
Systemets fysiska uppsättning består av den tidigare nämnda IRB 1100, en robotarm med sex frihetsgrader, monterad på två linjära spår. Snabbkameror följer bollens position medan ett rörelsefångstsystem övervakar motståndarens paddelrörelser.
För att skapa intelligensen bakom robotarmen utvecklade DeepMind-forskarna en tvånivåansats. Detta möjliggör att roboten kan utföra specifika bordtennistekniker och anpassa sin strategi i realtid efter motståndarens spelstil. Systemets arkitektur kombinerar låg-nivå kontroller (neurala nätverk tränade att utföra specifika tekniker som forehand och backhand) med en hög-nivå strategisk beslutsfattare (en mer komplex AI som analyserar spelet, anpassar sig och väljer vilken teknik som ska användas).
Innovativ träningsmetod
ANNONS
En nyckelinnovation i projektet var träningsmetoden för AI-modellerna. Forskarna använde en hybridmetod med förstärkningsinlärning i en simulerad fysikmiljö och träningsdata från verkliga exempel. Denna metod tillät roboten att lära sig från cirka 17 500 verkliga bollbanor. Iterativt finslipades robotens färdigheter genom att spela mot riktiga motståndare, vilket genererade ny data som användes för ytterligare träning.
Mänsklig upplevelse
Utöver tekniska framgångar undersökte studien även den mänskliga upplevelsen av att spela mot en AI-motståndare från Google. Överraskande nog rapporterade spelare att de tyckte att det var roligt och engagerande att spela mot roboten, även när de förlorade. Detta tyder på att AI kan ha framtida tillämpningar inom sportträning och underhållning.
Begränsningar och framtid
Trots framgångarna finns begränsningar. Roboten har svårt med mycket snabba eller höga bollar och intensiv spinn. Google DeepMind delade en video där AI-agenten förlorar en poäng mot en avancerad spelare på grund av svårigheter att reagera på ett snabbt slag.
Forskningsteamet betonar att med ytterligare förfining kan systemet potentiellt tävla mot avancerade bordtennisspelare i framtiden. DeepMind har tidigare skapat AI-modeller som kan besegra mänskliga spelare i schack och Go. Med denna senaste robotagent ser det ut som om de nu går in i den fysiska sportvärlden. Kanske är bordtennis nästa spel att erövras av AI.
Techjättarnas dilemma: AI eller klimatmål?
AI:s blixtsnabba utveckling har visat sig sätta käppar i hjulen för företags klimatmål. Är det verkligen möjligt att vara både teknikledande och
Läs mer från Dagens PS - vårt nyhetsbrev är kostnadsfritt:
Åsa Wallenrud
Teknik- och motorentusiast som bevakar bilvärlden.
Åsa Wallenrud
Teknik- och motorentusiast som bevakar bilvärlden.
ANNONS
ANNONS
Senaste nytt
ANNONS
