Učenje kompleksnih atletskih vještina godinama je predstavljalo jedan od najvećih izazova u razvoju humanoidne robotike, a kineski znanstvenici sada imaju metodu kojom mogu – iz nesavršenih podataka – dobiti dovoljno kvalitetne podatke za treniranje robota. Svoju su tehnologiju demonstrirali na humanoidnom robotu Unitree G1, koji je već pokazao iznimnu robusnost prilikom prijelaza iz simulacije u stvarni svijet, a naučili su ga – igrati tenis poput čovjeka.

Izazovi tenisa

Tenis, kao izrazito dinamičan sport, uključuje sprinteve brzinama većim od 6 m/s, reakcije na loptice koje lete brzinom do 30 m/s te precizne udarce u kontaktu koji traje svega nekoliko milisekundi. Zbog tih ekstremnih zahtjeva, tradicionalne metode prikupljanja podataka putem ljudskog upravljanja robotom pokazale su se neizvedivima za postizanje sportske razine izvedbe.

Kako bi premostili te prepreke, ovi su stručnjaci razvili metodu LATENT: Learning Athletic humanoid TEnnis skills from imperfect human motioN daTa – u prijevodu: učenje humanoida atletskim teniskim vještinama iz nesavršenih podataka o ljudskim kretnjama. Inovativni sustav omogućava robotima učenje iz nesavršenih fragmenata podataka o kretanju.

Umjesto oslanjanja na potpune i precizne snimke profesionalnih mečeva, LATENT koristi segmente pokreta poput forhenda, bekhenda i bočnih koraka. Ovi podaci, iako tehnički neprecizni zbog razlika u tjelesnoj građi čovjeka i robota, služe kao ključna osnova za razvoj prirodnih motoričkih vještina. Robot je za potrebe ovog demoa treniran na (samo) pet sati videa amaterskog igranja tenisa.

Tehnologija iza pokreta

Ključni uvid, opisan u njihovom znanstvenom radu, leži u činjenici da i nesavršeni podaci sadrže dovoljno informacija o temeljnim ljudskim vještinama, što je dokazano u teniskim scenarijima. Sustav te podatke dodatno korigira i slaže u smislene cjeline, omogućujući robotu da dosljedno pogađa nadolazeće loptice u širokom rasponu uvjeta te ih usmjerava prema ciljanim lokacijama.

Robot pritom zadržava prirodan stil kretanja, čime se izbjegava robotska ukočenost karakteristična za starije generacije strojeva. Za razliku od dosadašnjih rješenja koja su se oslanjala na puko mehaničko oponašanje, LATENT predstavlja prvi algoritam za planiranje i kontrolu cijelog tijela u stvarnom vremenu. To je omogućilo ovom pokusnom robotu da sudjeluje u dinamičnim teniskim razmjenama s ljudskim igračima, demonstrirajući reakcije na razini milisekundi – što je vidljivo i na videu koji je objavljen.

Spavaš li mirno, Đokoviću?

Iako postignuti rezultati predstavljaju značajan iskorak, razvojni tim ističe da još uvijek postoji prostor za daljnji napredak. Trenutačna verzija sustava oslanja se na vanjske senzore za snimanje pokreta u realnom vremenu, što bi se u budućnosti moglo zamijeniti ugradnjom aktivnog vizualnog sustava izravno u robota. Također, sada je fokus bio na vraćanju nasumičnih loptica, dok bi se za igru na razini profesionalnih tenisača morao uvesti sustav treninga s više agenata.

Ipak, uspjeh ovog projekta označava prijelaz s jednostavne imitacije pokreta na inteligentnu atletsku interakciju, vođenu odlukama u djeliću sekunde. Sposobnost robota da održi duge razmjene udaraca uz očuvanje prirodne ljudske biomehanike otvara nova vrata u primjeni humanoidnih robota u kompleksnim i nepredvidivim okruženjima izvan laboratorijskih uvjeta.