- Китайская Galbot вместе с университетами Цинхуа и Пекина показала гуманоидного робота Unitree G1, который играет в теннис против человека.
- Для обучения системе LATENT хватило пяти часов записей движений непрофессиональных игроков.
- Во время тестов робот возвращал мячи в реальном времени с точностью до 96,5%.
Китайская компания Galbot и исследователи из университетов Цинхуа и Пекина представили систему LATENT, которая научила гуманоидного робота Unitree G1 играть в теннис против человека. По данным команды, на обучение ушло всего пять часов записей движений любителей, после чего робот смог участвовать в розыгрышах в реальном времени. В испытаниях точность возврата мяча достигла 96,5%.
Подход отличается от привычных схем обучения роботов. Обычно для таких задач нужны большие массивы точных данных, собранных с помощью дорогих систем захвата движений и с участием подготовленных спортсменов. Здесь движения записывали у непрофессиональных игроков на площадке размером 3×5 метров — это в 17 раз меньше стандартного теннисного корта.
Разработчики разбили игру на набор базовых элементов: удар справа, удар слева, приставной шаг и перекрестный шаг. Затем система в симуляции училась комбинировать эти простые действия в полноценное поведение на корте. Для этого использовали обучение с подкреплением — метод, при котором модель многократно пробует разные действия и закрепляет удачные. Всего провели 10 тысяч испытаний в виртуальной среде.
На демонстрации робот быстро реагировал на мяч, перемещался по площадке и отправлял удары в заданную зону. При этом авторы работы уточняют, что до полноценного теннисного матча еще далеко. Сейчас система умеет прежде всего возвращать мяч, а не вести игру с тактикой и сложным выбором решений. Кроме того, робот пока опирается на внешние камеры захвата движения, а не на собственное машинное зрение.
В январе UBTech Robotics уже показывала гуманоидного робота Walker S2 с теннисной ракеткой, но тогда речь шла лишь об отдельных ударах. Разработка Galbot стала шагом дальше: робот продемонстрировал не одиночные движения, а связные розыгрыши с человеком.
Разработчикам роботов может потребоваться меньше дорогих и идеально размеченных данных для обучения сложным движениям. Такой подход подходит не только для тенниса, но и для других задач, где робот должен быстро осваивать физические действия по ограниченным записям человеческих движений.
