تیم رباتیک Google DeepMind یک ربات پینگ پنگ باز توسعه داده که می‌تواند در سطح آماتور با انسان‌ها رقابت کند. این ربات در تست‌ها توانست 45 درصد از 29 مسابقه‌ای که با انسان‌ها انجام داد را برنده شود.
به گزارش تکناک، ورزش‌ها از دیرباز به عنوان آزمونی مهم برای ربات‌ها به شمار می‌آمدند. معروف‌ترین نمونه این پدیده ممکن است مسابقات سالانه فوتبال RoboCup باشد که به دهه ۱۹۹۰ بازمی‌گردد. پینگ پنگ نقش مهمی را در ارزیابی دست‌های رباتیک از دهه پیش از آن ایفا کرده‌است. این ورزش، سرعت، پاسخگویی و استراتژی را در بین دیگر موارد می‌طلبد.
در مقاله‌ای جدید با عنوان “دستیابی به سطح رقابتی انسان در پینگ پنگ رباتیک“، تیم رباتیک DeepMind شرکت گوگل ، پیشرفتهای خود را در این زمینه به نمایش گذاشته‌اند. محققان توانسته‌اند یک ربات پینگ پنگ باز رباتیک را در سطح “آماتور انسانی” توسعه دهند.
در طول آزمایش، ربات پینگ پنگ باز توانست همه بازیکنان سطح مبتدی را که با آنها روبرو شد، شکست دهد. با بازیکنان سطح متوسط، ربات ۵۵ درصد مسابقات را برد. البته این ربات هنوز آماده رویارویی با حرفه‌ای‌ها نیست چرا که هر بار که با بازیکن پیشرفتهای روبرو شد، شکست خورد. در مجموع، سیستم ۴۵ درصد از ۲۹ بازی که انجام داد را برد.
مقاله ادعا می‌کند این نخستین ربات است که قادر به رقابت ورزشی در سطح انسان است و نشان‌دهنده نقطه عطفی در یادگیری و کنترل رباتیک است،. با این حال، این تنها گام کوچکی به سوی هدف دیرینه در رباتیک برای دستیابی به عملکرد سطح انسان در مهارت‌های مفید واقعی بسیاری است.
بزرگترین نقص این ربات ، توانایی آن در پاسخگویی به توپ‌های سریع است. DeepMind این مشکل را به تأخیر در سیستم، تنظیمات اجباری بین ضربات و کمبود داده‌های مفید نسبت می‌دهد.
برای رفع این محدودیت‌ها، پژوهشگران پیشنهاد می‌کنند که الگوریتم‌های کنترل پیشرفته و بهینه‌سازی‌های سخت‌افزاری مورد بررسی قرار گیرند. این راهکارها می‌توانند شامل کاوش در مدل‌های پیش‌بینی برای پیش‌بینی مسیرهای توپ یا استفاده از پروتکل‌های ارتباطی سریع‌تر بین حسگرها و فعال‌کننده‌های ربات باشند.
سایر چالش‌ها شامل توانایی سیستم در مقابله با توپ‌های بلند و کوتاه، ضربات پشت‌دستی و خواندن چرخش توپ ورودی است. DeepMind نیز به اهمیت استفاده از شبیه‌سازی برای عملکرد در بازی‌های واقعی و توانایی سازگار کردن استراتژی‌های ربات در زمان واقعی اشاره می‌کند، که نشان‌دهنده امکانات گسترده‌ای برای تأثیرگذاری بر رباتیک فراتر از کاربرد محدود پینگ پنگ است.
