Roboty sa neučia už iba skladať autá či triediť balíky. Vedci ich dnes trénujú aj na zvládanie komplexných športov, ako je tenis, kde musia v reálnom čase reagovať, predvídať a presne koordinovať pohyb.
Robot Unitree G1 sa vďaka inovatívnemu prístupu k učeniu pohybu naučil vracať tenisové loptičky s prekvapujúco vysokou úspešnosťou. Zdroj: YouTube/OTOFOOTAGE
Predstava robota, ktorý hrá tenis, ešte donedávna patrila skôr do science fiction. Dnes sa však výskum v oblasti robotiky a umelej inteligencie posúva tak rýchlo, že stroje dokážu nielen napodobňovať ľudský pohyb, ale aj sa ho samostatne učiť. Športy, najmä tenis, sa pritom stali ideálnym testovacím prostredím – kombinujú rýchlosť, presnosť aj nepredvídateľnosť.
Ako sa stroje učia športovať
Na rozdiel od jednoduchých úloh v kontrolovanom prostredí musí robot pri športe reagovať v reálnom čase. Loptička letí rôznymi smermi, mení rýchlosť aj rotáciu a robot musí ustavične predpovedať jej trajektóriu. Práve táto kombinácia fyziky, vnímania a rozhodovania robí zo športov jednu z najnáročnejších výziev modernej robotiky.
Základom je strojové učenie, najmä jeho špecifická forma – posilňované učenie (reinforcement learning). Robot sa učí podobne ako človek: skúša, robí chyby a postupne sa zlepšuje. V praxi to znamená, že robot dostáva odmenu za úspešné zásahy loptičky a trest za chyby. Na základe tisícov až miliónov pokusov si vytvára stratégiu, ktorá maximalizuje úspech. Tento proces často prebieha najprv v simuláciách, kde môže robot trénovať oveľa rýchlejšie než v reálnom svete.
Dôležitú úlohu zohrávajú neurónové siete, ktoré spracúvajú obraz z kamier a učia sa rozpoznávať pohyb loptičky či protivníka. Vďaka nim robot vidí a interpretuje svoje okolie podobne ako človek, hoci zatiaľ s menšou flexibilitou.
Prečo práve tenis?
Tenis je pre vedcov mimoriadne zaujímavý, pretože spája viacero komplexných problémov naraz. Robot musí sledovať rýchlo sa pohybujúci objekt, predpovedať jeho dráhu, načasovať pohyb ramena a zasiahnuť loptičku s presnosťou na milisekundy. Okrem toho ide o interaktívny šport – robot reaguje nielen na fyziku loptičky, ale aj na správanie protivníka. Každý úder mení situáciu na ihrisku, čo vyžaduje prepočítavanie stratégie.
Moderné roboty využívajú kombináciu senzorov a algoritmov. Kamery sledujú pohyb loptičky, LiDAR alebo radar môže pomáhať s odhadom vzdialenosti a špeciálne algoritmy počítajú trajektóriu v reálnom čase. Robotické rameno potom vykonáva pohyb podobný ľudskej ruke. Musí byť dostatočne rýchle, ale aj presné. Už i malé oneskorenie môže znamenať úplné minutie loptičky.
Bežné kinematické obleky (motion capture) nedokážu dobre zachytiť jemné detaily pohybu, ako napríklad uhol zápästia. Tenisti sa navyše pri výmenách pohybujú na príliš veľkej ploche a celá hra je natoľko dynamická, že ju nemožno jednoducho riadiť na diaľku. Ani pokročilé systémy umelej inteligencie analyzujúce videozáznamy z viacerých kamier, napríklad nástroj Vid2Player3D od spoločnosti Nvidia, sa neosvedčili. Ich tréning je zložitý, náročný na dáta aj expertné znalosti.
Zaujímavé je, že niektoré systémy sa učia nielen z vlastných pokusov, ale aj pozorovaním ľudí. Analýzou profesionálnych hráčov dokážu napodobniť optimálne pohyby a prispôsobiť ich vlastným mechanickým možnostiam. Zdroj: iStock/Elkhophoto
Prvé experimenty s tenisovými robotmi sa zameriavali predovšetkým na trénovanie hráčov – napríklad stroje, ktoré vystreľujú loptičky. Dnes však ide vývoj oveľa ďalej. Výskumné tímy testujú roboty, ktoré sú schopné skutočne zahrať výmeny, hoci zatiaľ v zjednodušených podmienkach. Často ide o kombináciu robotického ramena a mobilnej platformy, ktorá sa pohybuje po kurte. Najväčšou výzvou však zostáva koordinácia celého tela. Kým robot môže byť veľmi presný v jednej úlohe, napríklad v údere, pohyb po kurte a strategické rozhodovanie sú stále náročné.
Nástrahy forhendu a bekhendu
Vedci preto prišli s jednoduchším a efektívnejším riešením s názvom LATENT. Namiesto snahy naučiť robot celý tenis naraz ho rozdelili na kľúčové pohyby – napríklad forhend (úder hraný pravákom z pravej strany alebo ľavákom z ľavej strany – tzv. dlaňový), bekhend (úder hraný pravákom z ľavej strany alebo ľavákom z pravej strany – tzv. chrbtový) alebo pohyb do strán. Tieto pohyby zaznamenali v krátkych sekvenciách a vytvorili akúsi knižnicu pohybov. Robot sa potom učí jednotlivé prvky kombinovať podľa situácie a podobne ako človek skladá pohyb z naučených zručností.
Na tréning pritom stačilo iba približne päť hodín kinematických dát, čo je výrazne menej než pri predošlých prístupoch. Tieto pohyby boli zároveň zaznamenané na malej ploche, nie na celom kurte. Prístup tak umožňuje rýchlejšie učenie a jednoduchšie nasadenie v praxi.
Humanoidný robot Unitree G1, ktorý je dnes dostupný na trhu za predajnú cenu zhruba 13 500 dolárov, dostal jednoduchý cieľ: vrátiť loptičku späť na druhú stranu kurtu tak, aby dopadla do ihriska. Aj keď ide o zdanlivo jednoduchú úlohu, v skutočnosti si vyžaduje presnú koordináciu celého tela a správne načasovanie úderu. Robot musí sledovať loptičku, odhadnúť jej dráhu a vykonať pohyb v správnom okamihu.
Toto všetko sa robot musel naučiť sám. Experimentoval s načasovaním úderov, uhlami nastavenia rakety, výberom pohybov aj so situáciami, keď musí improvizovať mimo naučených vzorcov. Veľká časť tohto učenia prebiehala v zrýchlenej simulácii, čo výrazne urýchlilo celý proces. Výsledky ukazujú, že robot dokáže tieto úlohy zvládať s prekvapujúcou úspešnosťou – úspešnosť forhendov sa pohybovala okolo 90 percent a pri bekhendoch sa robot dostal tesne pod 80 percent.
Robot navyše nepôsobí prehnane mechanicky. Jeho pohyby sú relatívne plynulé a pripomínajú skutočného hráča. To naznačuje, že podobné systémy by sa v budúcnosti mohli využívať nielen v športe, ale aj v iných oblastiach, kde je potrebná rýchla reakcia a presný pohyb.
Veľkou výhodou je, že systém LATENT je open-source a je dostupný na GitHube (platforme na šírenie a spoluprácu na vývoji softvéru). To znamená, že ho môžu využiť aj ďalší výskumníci a vývojári.
Čínska spoločnosť Galbot, ktorá sa zaoberá robotikou s umelou inteligenciou, predstavila LATENT – prvý algoritmus na svete na plánovanie a riadenie celého tela v reálnom čase pre atletický humanoidný tenis. Ako fyzickú platformu použila Unitree G1. Zdroj: Youtube/Galbot
Robot verzus človek
Zatiaľ majú jasnú výhodu ľudia. Dokážu intuitívne reagovať, prispôsobovať sa novým situáciám a využívať skúsenosti. Roboty sú síce rýchle a presné, no často im chýba flexibilita a zdravý, sedliacky rozum. Aj stroje však majú svoje silné stránky. V určitých podmienkach dokážu reagovať rýchlejšie než človek a vykonávať pohyby s extrémnou presnosťou.
Cieľom výskumu však nie je nahradiť športovcov, ale pochopiť princípy pohybu a rozhodovania. Tieto poznatky sa dajú využiť napríklad v medicíne, pri rehabilitácii či vývoji pokročilých asistenčných technológií.
Vedci očakávajú, že v najbližších rokoch budú roboty čoraz lepšie zvládať komplexné pohyby a interakcie. Možno sa dočkáme aj robotických sparing partnerov, ktorí budú schopní trénovať s ľuďmi na vysokej úrovni. Aj keď robot, ktorý by porazil profesionálneho tenistu, zatiaľ neexistuje, vývoj ide rýchlo dopredu. A možno raz bude tenisový kurt miestom, kde sa stretne človek a stroj v skutočne vyrovnanom zápase.
