Un robot que juega al tenis de mesa puede mantener un rally contra los humanos, pero como muchos jugadores aficionados, tiene dificultades para intentar tiros más elegantes.
Yapeng Gao, Jonas Tebbe y Andreas Zell de la Universidad de Tübingen en Alemania comenzaron diseñando una simulación por computadora en la que un brazo de robot virtual equipado con una raqueta de tenis de mesa intentaba devolver pelotas de ping pong a través de una mesa de tenis de mesa virtual.
Los investigadores ejecutaron esta simulación para que un algoritmo de aprendizaje automático pudiera aprender cómo la velocidad y la orientación de la raqueta afectan la trayectoria de la pelota.
Una vez que este algoritmo, que aprende por ensayo y error, pudo devolver la pelota de manera confiable, los investigadores lo configuraron para controlar el movimiento de un brazo de robot real colocado al lado de una mesa real (en la imagen).
El sistema usó dos cámaras para rastrear la ubicación de la pelota real cada 7 milisegundos, y el algoritmo procesó las señales y decidió dónde mover el brazo robótico para golpear y devolver la pelota.
Las señales que envió el algoritmo permitieron al brazo del robot reproducir tiros con precisión dentro de un promedio de 24,9 centímetros de la ubicación prevista. Este nivel de precisión fue ligeramente peor que cuando el algoritmo estaba trabajando con una simulación, un hecho común, dice Tebbe, ya que las simulaciones por computadora no pueden representar con precisión todo en la vida real.
El brazo del robot se enfrenta a un jugador humano. Yapeng Gao, Jonas Tebbe y Andreas Zell
Todo el proceso, incluida la capacitación en la simulación virtual y en el mundo real, tomó solo 1,5 horas, lo que demuestra la rapidez con la que los algoritmos pueden aprender a funcionar en una nueva situación.
Sin embargo, aunque el robot se desempeñó bien contra jugadores humanos, se tropezó con disparos rápidos y, sorprendentemente, con disparos lentos. “Si una pelota es lenta, el robot necesita generar más velocidad”, dice Tebbe. Luchando por hacer eso, la pelota a menudo se caía de la raqueta.
“Al entrenar el sistema durante un período de tiempo relativamente corto, el robot es capaz de afrontar bien las diferencias en el servicio y es capaz de regresar utilizando una política aleatoria”, dice Jonathan Aitken de la Universidad de Sheffield en el Reino Unido, que no involucrado en el estudio.
Aitken se sorprendió de que el algoritmo fallara al devolver tiros lentos. También le parece interesante que a veces haya tenido problemas para realizar disparos debido a las limitaciones mecánicas del sistema del robot, en lugar de a las deficiencias del algoritmo.
El brazo robótico tiene otras limitaciones. Por ejemplo, tiene dificultades para reproducir tiros hacia atrás, dice Zell, porque el brazo del robot no puede sostener la raqueta en el ángulo requerido para realizar tales tiros. Pero a pesar de estos problemas, cree que el robot es un buen jugador.
“No es peor que un jugador humano normal”, dice. “Ya está a la par conmigo”.
Referencia: arxiv.org/abs/2109.03100
Más sobre estos temas:
.
