近日，谷歌 DeepMind 研究团队在乒乓球运动中取得了新进展，他们开拓出了一个人工智能（AI）驱动的机器臂，能够与业余人类乒乓球选手打得有来有回。
这项研究成果的干系论文已经以预印本的形式揭橥。研究团队称，“这是第一个能够在人类水平上与人类进行体育运动的机器人智能体，代表了机器人学习和掌握领域的一个里程碑。”
（来源：DeepMind）
DeepMind 的这个别系结合了 ABB 公司的 IRB 1100 工业机器人（手臂）和定制的 AI 软件。
这套系统的物理设置包括一个 6 自由度的机器手臂，安装在两条线性轨道上，使其能够自由地水平移动。还用到了高速摄像机，以用于追踪球的位置，而动作捕捉系统则能监测人类对手的球拍动作。
为了创造驱动机器人手臂的“大脑”，DeepMind 研究职员开拓了一种“双层级”方法，使机器人能够打出特定的乒乓球技能，同时实时调度策略以适应每个对手的打法风格。
这种方法使得机器人无需针对每个特定玩家进行演习，就能与任何业余人类选手进行比赛。
该系统的架构结合了低级技能掌握器（经由演习可实行特定乒乓球技能的神经网络策略，如正手击球、反手回球或发球回应）和高等计策决策者（一个更繁芜的 AI 系统，用于剖析对局状态，适应对手的风格，并选择为每个来球激活哪个低级技能策略）。
研究职员采取了一种稠浊方法来演习 AI 模型，在仿照物理环境中利用强化学习，同时将演习数据建立在真实天下的例子根本上。这种技能使机器人能够从大约 17500 个真实天下的乒乓球轨迹中学习。
不过，对付如此繁芜的任务来说，这只是一个相对较小的数据集。
研究团队利用了一个迭代过程来完善机器人的技能。他们首先从一个小型的人类对人类的游戏数据集开始，然后让 AI 与真实对手对抗。
每场比赛都会产生关于乒乓球轨迹和人类策略的新数据，研究团队将这些数据反馈到仿照中进行进一步演习。这个过程重复了七个周期，使机器人能够不断适应水平越来越高的对手和多样化的打法风格。
到末了一轮，AI 已经从超过 14000 个回合球和 3000 个发球中学习，创建了一个乒乓球知识体系，帮助它缩小仿照和现实之间的差距。
（来源：DeepMind）
值得把稳的是，英伟达也在进行类似的仿照物理系统实验，比如该公司的 AI 智能体 Eureka，许可 AI 模型在仿照空间而不是现实天下中快速学习掌握机器人手臂。
这种方法可能会在未来大大减少演习机器人进行繁芜交互所需的韶光和资源。
在一项涉及 29 名参与者的研究中，这个 AI 驱动的机器人赢得了 45% 的比赛，展示了不错的业余水平实力。
值得把稳的是，它对初学者取得了 100% 的胜率，对中等选手取得了 55% 的胜率，只是在面对资深对手时表现不佳。
有趣的是，纵然输给机器人的玩家也表示自己很享受这种体验。研究职员指出：“在所有技能组和胜率中，玩家都认同与机器人对打是有趣的和吸引人的。” 这种积极的反应表明 AI 在体育演习和娱乐方面有着广泛的运用前景。
该系统并非没有局限性。它难以处理极快的球或高球，难以识别强烈的旋转，并且在反手球方面表现薄弱。谷歌 DeepMind 分享了一段视频，展示了机器人因难以应对快速击球而输掉一分。
研究职员指出：“为理解决阻碍机器人对快球反应韶光的延迟限定，我们建议研究前辈的掌握算法和硬件优化。这可能包括探索预测模型来预测球的轨迹，或者在机器人的传感器和实行器之间采取更快的通信协议。”
除了打乒乓球，为这个项目开拓的技能可以运用于更广泛的机器人任务，这些任务须要快速反应温柔应不可预测的人类行为。从制造业到医疗保健，潜在的运用彷佛很广泛。
谷歌 DeepMind 团队强调，通过进一步完善，他们相信该系统未来可能有潜力与资深乒乓球选手竞争。
DeepMind 在创造能够击败人类游戏玩家的 AI 模型方面并不陌生，包括 AlphaZero 和 AlphaGo。有了这个最新的机器人智能体，看来这家研究公司正在从游戏转向真正的运动。
围棋、国际象棋和许多电子游戏的顶尖选手已经败给了 AI，大概乒乓球将是下一个。
参考资料：
https://arstechnica.com/information-technology/2024/08/man-vs-machine-deepminds-new-robot-serves-up-a-table-tennis-triumph/
https://techcrunch.com/2024/08/08/google-deepmind-develops-a-solidly-amateur-table-tennis-robot/
运营/排版：何晨龙
