Chinese humanoïde robot speelt tennisrally van meer dan 100 slagen
Het Chinese bedrijf Galbot liet tijdens de opening van de World Humanoid Robot Games in Peking een humanoïde robot zien die zelfstandig meer dan honderd tennisslagen achter elkaar speelde. De robot volgde de bal, positioneerde zich op de baan en sloeg terug zonder dat een mens ingreep. Volgens Galbot is het de eerste keer dat een humanoïde robot in het echt en autonoom een dynamische sportwedstrijd speelt.
Tijdens de openingsceremonie van de tweede editie van de World Humanoid Robot Games in Peking speelde een humanoïde robot van het Chinese bedrijf Galbot een tennispartij tegen menselijke sporters. De robot hield een rally van meer dan honderd slagen vol, zonder dat een mens op afstand ingreep. Galbot noemt het de eerste keer dat een humanoïde robot in een live wedstrijd autonoom tennist.
Wereldrecord tijdens robotgames in Peking
De World Humanoid Robot Games zijn een internationaal evenement waarbij robots met elkaar en met mensen strijden in uiteenlopende disciplines. Aan deze tweede editie deden 2.056 robots mee, verdeeld over 666 teams uit 16 landen. Waar veel demonstraties zich beperken tot vaste, geoefende taken in een gecontroleerde laboratoriumomgeving, moest de tennisrobot van Galbot improviseren op een echt speelveld. Tijdens de rally volgde de robot de bal met camera's, liep hij naar de juiste positie op de baan en sloeg hij services, forehands, backhands, returns en herstelslagen. Ook speelde de robot dubbelspel samen met menselijke tennissers en paste hij zijn positie aan op het verloop van de rally. Bij een enkele misstap verloor de robot even zijn evenwicht, maar herstelde hij zichzelf en speelde door.
Hoe leert een robot tennissen?
Achter de demonstratie zit een nieuw AI-systeem van Galbot met de naam LATENT (Learning Athletic Humanoid Tennis skills from imperfect human motion data). Het systeem knipt tennisbewegingen op in kleine, herbruikbare bouwstenen, zoals een forehand, een backhand, een zijwaartse pas of een kruispas. Die bouwstenen worden vervolgens gecombineerd tot complexere, vloeiende bewegingen. Bijzonder is dat Galbot voor het trainen geen perfecte, dure motion-capturedata gebruikte. Onderzoekers namen ongeveer vijf uur aan tennisbewegingen op bij amateurspelers, met relatief eenvoudige apparatuur. Die 'ruwe' bewegingsdata wordt via imitatieleren omgezet in een latente actieruimte: een soort wiskundige samenvatting waarin de robot kan zoeken naar de bewegingen die bij een situatie passen. Met reinforcement learning en grootschalige simulaties leert het systeem vervolgens welke bewegingsbouwsteen op welk moment nodig is, bijvoorbeeld afhankelijk van de snelheid en richting van de aankomende bal.
Waarom dit meer is dan een trucje
Volgens Galbot ligt de waarde van deze aanpak niet alleen in het tennissen zelf, maar in de manier waarop de robot leert. Veel robotica-projecten hebben grote hoeveelheden zeer nauwkeurige bewegingsdata nodig om snelle, precieze taken aan te leren. Door met 'onzuivere' menselijke bewegingsdata te werken en die te vertalen naar herbruikbare bouwstenen, hoopt Galbot robots sneller en goedkoper te trainen voor andere dynamische taken, van sport tot fabriekswerk. De tenniswedstrijd past in een bredere trend op de Beijing-robotgames: robots worden niet langer alleen getest op geïsoleerde vaardigheden, maar op hun vermogen om in een chaotische, veranderlijke omgeving waar te nemen, te beslissen en te handelen, net als een mens.
Achtergrond & begrippen
Wat betekent dit voor de toekomst? Als robots dynamische, onvoorspelbare taken als tennis aankunnen, is dat een teken dat ze steeds geschikter worden voor werk buiten het laboratorium, zoals in fabrieken, magazijnen of de zorg. De trainingsmethode van Galbot laat bovendien zien hoe robots met minder perfecte data toch complexe vaardigheden kunnen leren, wat de ontwikkeling van zulke robots sneller en goedkoper kan maken.
- Humanoïde robot
- Een robot met een mensvormig lichaam, met een romp, twee armen en meestal twee benen, ontworpen om zich in menselijke omgevingen te bewegen.
- Reinforcement learning
- Een trainingsmethode waarbij een AI-systeem via vallen en opstaan leert welke acties tot het beste resultaat leiden, beloond met een score.
- Imitatieleren
- Een manier van machineleren waarbij een systeem vaardigheden aanleert door menselijke voorbeelden na te bootsen in plaats van vanaf nul te experimenteren.
- Latente actieruimte
- Een wiskundige, samengevatte representatie van bewegingen waarin een AI-systeem kan zoeken naar de juiste actie voor een bepaalde situatie.
- Motion capture
- Een techniek waarbij bewegingen van een mens met camera's of sensoren worden vastgelegd, zodat ze digitaal kunnen worden nagebootst.
- Bewegingsprimitief
- Een kleine, herbruikbare bewegingsbouwsteen, zoals een enkele slag of pas, die gecombineerd kan worden tot complexere handelingen.
Bronnen
Dit artikel is met behulp van AI geschreven op basis van bovenstaande bronnen en is geen letterlijke vertaling. Zo werkt onze redactie.
