Искусственный интеллект научил робота играть в баскетбол: видео
Гуманоидный робот Unitree G1, прозванный «Маленькая картофелина», которое дали ему разработчики из-за забавного внешнего вида и компактности, впервые продемонстрировал реальные баскетбольные навыки, включая ведение мяча, передачи и броски. В лабораторной демонстрации робот уверенно скользит по площадке и выполняет точные броски после множества виртуальных тренировок, сообщает портал Pandaily.
«Это первый случай, когда робот демонстрирует баскетбольные движения в настоящей среде», — отмечают исследователи HKUST.
ИИ учит робота баскетболу
Основой успеха стала система SkillMimic-V2 — фреймворк искусственного интеллекта, который обучает робота повторять человеческие движения, даже если исходные данные несовершенны.
«Наш подход позволяет использовать разрозненные, шумные или неполные записи, превращая их в стабильные навыки для реального мира», — говорит один из разработчиков.
Система опирается на три ключевых метода.
- Первый — сшитый граф траекторий (STG), который объединяет похожие позы при различных навыках, создавая плавные переходы между ними.
- Второй — поле перехода состояний (STF), заставляющее робота начинать движения из разных точек и восстанавливаться после ошибок.
- Третий — адаптивная выборка траектории (ATS), которая усиливает обучение на сложных моментах, помогая роботу удерживать точность в длинных последовательностях действий.
Робот учится, как человек
Unitree G1 освоил семь базовых движений, включая разные типы дриблинга, броски и лэй-апы, используя около 4,5 миллиардов смоделированных попыток. Более простые действия требовали порядка 0,4 миллиарда шагов обучения, тогда как сложные упражнения с подсчётом очков — до 1,2 миллиарда. После освоения базовой политики навыков, обновлялся лишь контроллер высокого уровня, позволяя роботу гибко комбинировать движения.
«Даже когда робот пытался сделать лэй-ап, мы вмешались, но он быстро восстановил равновесие и продолжил демонстрацию», — рассказывают исследователи.
Видео показывает, насколько естественными стали его движения, включая плавные переходы между ведением и бросками.
Важный этап для будущего робототехники
Традиционные методы обучения с подкреплением часто сталкиваются с проблемой несовершенных данных. Старые подходы, даже при использовании движений человека и объекта, не давали достаточной точности в контроле мяча. SkillMimic решает эту проблему, позволяя роботу выучить многоразовые навыки взаимодействия и устойчиво выполнять сложные задачи.
«Теперь робот может освоить несколько навыков одной стратегией, плавно переключаясь между ними», — объясняет исследователь.
По его словам, это открывает возможности для обучения роботам взаимодействия с разными объектами и выполнения сложных задач вне симуляции и не только в спорте.
Ученые считают, что сочетание симуляций и реальных испытаний поможет роботам учиться новым движениям даже без идеально снятых демонстраций. По мнению команды HKUST, SkillMimic-V2 показывает, как ИИ и робототехника могут создавать роботов с гибкими, устойчивыми и почти человеческими навыками, открывая новую эру в взаимодействии роботов и людей в спорте и повседневной жизни.
