Forskere har trent den firbente roboten ANYmal til å spille badminton mot et menneske. De har greid å få roboten til å spille ti slag på rad.
Forskerne har brukt kunstig intelligens til å lære roboten å tilpasse bevegelsene sine slik at den kan rekke fram til fjærballen og slå den tilbake over nettet.
Forskerne ser for seg at de skal klare å bygge roboter som kan brukes som motstandere i «komplekse og dynamiske idrettsscenarioer», skriver de i en studie publisert i tidsskriftet Science Robotics.
ANYmal veier rundt 50 kilo og er omtrent en halv meter lang.
De hundelignende maskinene har tidligere fått armer og blitt trent til å hente ting eller åpne dører ved å gripe håndtak.
Men det er fremdeles vanskelig for robotforskere å få robotene sine til å koordinere armer og bein når miljøet rundt dem forandrer seg, sånn som det gjør på en badmintonbane mot et menneske.
Sport er en god arena for denne typen forskning, mener Yuntao Ma, robotforsker fra ETH Zürich og i oppstartsselskapet Light Robotics. Han er en av forskerne bak den nye badminton-studien.
En grunn er at man gradvis kan øke vanskelighetsgraden på oppgavene roboten skal løse, sier Ma til Live Science.
I det nye forskningsprosjektetet utstyrte forskerne ANYmal-roboten med en arm som holder en badmintonracket. Med armen er roboten 1,6 meter høy og har 18 ledd som må koordineres.
– Absolutt et fremskritt
Morten Goodwin er professor i kunstig intelligens ved Universitetet i Agder. Han sammenligner den nye studien med forskningen til selskapet OpenAI som står bak ChatGPT.
De har lært en robothånd å løse en Rubiks kube, men Goodwin peker på at en robot som spiller badminton, er mye vanskeligere å utvikle enn en som bare skal bevege en hånd.
– Hver eneste «muskel» må bevege seg i samsvar med de 17 andre, ellers feiler den. Roboten har med andre ord lært dynamisk helkroppskoordinasjon, noe som absolutt er et fremskritt.
Forskerne har også utstyrt roboten med et kamera med to linser. Dermed kan ANYmal se fjærballen i sanntid og beregne hvor den er på vei.
Robotens badmintontrening skjedde gjennom der som kalles forsterkningslæring. Det er en maskinlæringsmetode som lar roboten utforske miljøet og lære hvordan den skal oppdage og følge ballen, bevege seg mot den og svinge racketen gjennom prøving og feiling.
Morten Goodwin er professor i kunstig intelligens ved Universitetet i Agder.(Foto: UiA)
Lærer gjennom prøving og feiling
Goodwin sammenligner badminton-roboten med robothunden som selskapet Boston Dynamics laget for noen år siden og mener at forskjellen er at badminton-roboten har lært gjennom forsterkningslæring.
Annonse
– Det betyr i praksis at den har prøvd og feilet mange ganger før den lærer seg hvordan den skal holde racketen og bevege seg. Hver gang den feiler, blir den litt flinkere. Boston Dynamics-roboten er programmert, som betyr at en ingeniør har bestemt absolutt alle bevegelser på forhånd.
Han peker også på at bruk av forsterkningslæring i robotikk eller kunstig intelligens generelt er ikke nytt og ligner på hvordan de beste sjakkcomputerne fungerer.
– Det som har vært vanskelig, er å lære i «den virkelige verden». En robot kan i praksis ikke prøve 50 millioner ganger for å bli flink. Det ville tatt helt enormt mye tid.
Her kan du se Boston Dynamics-roboten Spot.
Trener i simulert miljø
I utviklingen av badminton-roboten skapte forskerne først et simulert miljø med en badmintonbane og en virtuell kopi av roboten. Robotens «hjerne» spilte altså et slags spill der den måtte følge med på virtuelle fjærballer som ble slått over nettet fra motstanderens side.
Deretter fulgte et strengt treningsopplegg for ANYmal med en virtuell «trener» som ga roboten belønninger når den gjorde noe riktig.
Fjærballen kan lande hvor som helst på banehalvdelen, så roboten fikk også poeng for å bevege seg effektivt og for å unngå unødvendig fart. Etter 50 millioner simulerte treningsrunder, utviklet forskerne et nevralt nettverk som kunne styre de 18 leddene og utføre realistiske slag etter fjærballen.
Deretter ble nettverket og «hjernen» overført til den fysiske roboten og testene ble gjennomført i et ekte miljø. Roboten ble trent på en fjærball som ble slått av en maskin slik at forskerne kunne kontrollere fart og vinkel.
Halvparten av et menneske
Resultatene viser at roboten kan følge og returnere fjærballen med en slaghastighet på opptil 12 meter per sekund. Det er omtrent halvparten av en gjennomsnittlig amatørspiller.
Basert på hvor langt ANYmal måtte forflytte seg og hvor mye tid den hadde, tilpasset den bevegelsene sine. Den sto stille hvis ballen landet nær, men når avstanden var 1,5 meter, brukte den alle fire ben for å nå fram. På rundt 2,2 meter begynte roboten å «galoppere» og hoppet slik at armen fikk én meter ekstra rekkevidde.
Ma sier at det er vanskelig å få roboten til å bevege seg fort mens den ser på ballen, samtidig som den må se for å vite hvor den skal.
Annonse
– Dette kompromisset må håndteres på en intelligent måte, sier Ma.
Ma ble overrasket over hvor godt roboten klarte å koordinere de 18 leddene. Hver motor lærte individuelt, men måtte samarbeide for å gi en samlet bevegelse.
Forskerne noterte også at ANYmal begynte å bevege seg mot midten av banen etter hvert slag for å forberede seg på neste ball, akkurat slik som ekte badmintonspillere gjør.
Forstår ikke motstanderen
Men roboten tar ikke hensyn til motstanderens bevegelser. Det er en viktig del av hvordan vi mennesker kan forutse hvor fjærballen kommer til å lande. Goodwin poengterer at roboten ikke har noen forståelse for motspillerens intensjoner eller posisjon.
– Den fungerer kun som et respons-system. Det er veldig ulikt hvordan vi mennesker spiller.
Forskerne foreslår nå å kanskje gi roboten en «nakke» for å følge ballen lenger i luften.
Ma mener forskningen kan få betydning utover sport, for eksempel ved opprydning etter naturkatastrofer. Goodwin legger til robotforskning som dette kan få betydning for redningsoperasjoner, industriell inspeksjon, smartere proteser, krigsroboter og transportmidler.
