ربات پینگ‌پنگ‌باز دانشگاه برکلی: رقابت با انسان و ثبت رالی ۱۰۶ ضربه

دانشگاه برکلی با انتشار ویدیویی از جدیدترین دستاورد خود، ربات انسان‌نمای پینگ‌پنگ‌باز (HITTER)، بار دیگر مرزهای هوش مصنوعی و رباتیک را جابجا کرد. این ربات پیشرفته نه تنها قادر به رقابت با بازیکنان انسانی است، بلکه با حرکات طبیعی و دقت خیره‌کننده خود، توانایی‌های بی‌نظیری را به نمایش می‌گذارد.

طراحی دو سیستمی: مغز و بدن یکپارچه

عملکرد چشمگیر HITTER ریشه در طراحی دو بخشی آن دارد که به طرز هوشمندانه‌ای شیوه بازی انسان‌ها را شبیه‌سازی می‌کند. این سیستم از دو جزء اصلی تشکیل شده است:

• برنامه‌ریز سطح بالا (مغز ربات): این بخش با استفاده از دوربین‌های خارجی، موقعیت توپ را به‌صورت لحظه‌ای ردیابی کرده و مسیر فرود آن را پیش‌بینی می‌کند. سپس بر اساس این اطلاعات، مکان، سرعت و زمان‌بندی دقیق مورد نیاز برای بازگشت موفق توپ را محاسبه می‌کند.
• محاسبه‌گر سطح پایین (بدن ربات): این بخش، محاسبات پیچیده برنامه‌ریز سطح بالا را به حرکات هماهنگ و روان دست‌ها و پاهای ربات تبدیل می‌کند.

HITTER با داده‌های حرکتی انسان آموزش دیده است، از این رو قادر به انجام حرکاتی طبیعی و قابل درک است. این ربات می‌تواند به‌صورت جانبی جابه‌جا شود، بچرخد و با روانی کامل راکت خود را حرکت دهد. نکته قابل توجه این است که HITTER می‌تواند به توپ‌هایی با سرعت تا ۵ متر بر ثانیه، در کمتر از یک ثانیه واکنش نشان دهد.

آموزش با یادگیری تقویتی: غلبه بر چالش‌های پینگ‌پنگ

آموزش یک ربات برای بازی پینگ‌پنگ، به دلیل نیاز به تصمیم‌گیری‌های لحظه‌ای، هماهنگی دقیق و انطباق با ضربات غیرقابل پیش‌بینی، چالش‌های خاص خود را دارد. پژوهشگران دانشگاه برکلی این چالش را با ترکیب برنامه‌ریزی مبتنی بر مدل و یادگیری تقویتی حل کرده‌اند:

«برنامه‌ریز مبتنی بر مدل وظیفه پیش‌بینی مسیر توپ و تصمیم‌گیری را بر عهده دارد، در حالی که یادگیری تقویتی حرکات HITTER را از طریق آزمایش و خطا بهبود می‌بخشد.»

این ترکیب نوآورانه به ربات امکان داده است که ضربات را به‌طور مؤثر بازگرداند و حرکات و تکنیک‌های انسانی را شبیه‌سازی کند، به‌گونه‌ای که حرکات آن به‌طور شگفت‌انگیزی طبیعی به نظر برسد.

قابلیت واکنش به شرایط غیرقابل پیش‌بینی و عملکرد در دنیای واقعی

چارچوب HITTER روی یک پلتفرم ربات انسان‌نمای چندمنظوره، احتمالاً Unitree G1، در شرایط مسابقه واقعی آزمایش شد. نتایج این آزمایش‌ها فراتر از انتظار بود:

• HITTER موفق شد در یک رالی ۱۰۶ ضربه متوالی با بازیکنان انسانی شرکت کند، دستاوردی که حتی برای بسیاری از بازیکنان آماتور نیز چالش‌برانگیز است.
• این سیستم همچنین توانایی انعطاف‌پذیری خود را با رقابت با یک ربات انسان‌نمای دیگر نشان داد و توانست تبادلات مداومی در رالی‌های متعدد حفظ کند.

پژوهشگران دانشگاه برکلی تأکید کرده‌اند که این نتایج نشان می‌دهد HITTER قادر است با شرایط غیرقابل پیش‌بینی و سرعت مسابقه واقعی سازگار شود و تنها محدود به محیط‌های آزمایشگاهی نیست. این پیشرفت، افق‌های جدیدی را در زمینه رباتیک و هوش مصنوعی می‌گشاید و نویدبخش آینده‌ای است که در آن ربات‌ها می‌توانند در تعاملات پیچیده‌تر انسانی نقش‌آفرینی کنند.