Naukowcy zbudowali robota, który gra w badmintona lepiej niż większość ludzi. Zobacz, co potrafi ANYmal‑D od ETH Zurich

Rozwój robotyki wspieranej przez AI przyspiesza w tempie, które jeszcze niedawno należało do domeny SF. Konstrukcje wykorzystujące zaawansowane algorytmy percepcji i predykcji, zyskują zdolności manualne i adaptacyjne pozwalające na interakcje z człowiekiem w złożonych sytuacjach. Przykłady współczesnych rozwiązań pokazują, że roboty przestają być narzędziami przemysłowymi, a stają się systemami autonomicznymi zdolnymi do działania w dynamicznym środowisku.

Zdolność tego robota do przewidywania trajektorii poruszania się lotki i reagowania z opóźnieniem poniżej 400 ms demonstruje zaawansowanie współczesnych systemów percepcyjno-decyzyjnych.

Roboty pracujące w sortowni paczek? Figure przedstawia możliwości ulepszonego modelu VLA o nazwie Helix

Robot ANYmal-D, opracowany przez Robotic Systems Lab na Eidgenössische Technische Hochschule Zürich (ETH Zürich), stanowi przełom w integracji sztucznej inteligencji z robotyką sportową. Platforma bazuje na czteronożnym robocie ANYmal firmy Anybotics AG, wyposażonym w stereoskopową kamerę głębi oraz ramię z rakietą, sterowane za pomocą kontrolera wykorzystującego uczenie przez wzmacnianie (Reinforcement Learning, RL). System percepcji wizyjnej wykorzystujący algorytmy Convolutional Neural Networks (CNN), analizuje tor lotki w czasie rzeczywistym z częstotliwością 120 Hz, umożliwiając przewidywanie trajektorii z dokładnością do 5 cm. Procesor NVIDIA Jetson Orin NX, zintegrowany z platformą, przetwarza dane z czujników lidarowych i kamer, zapewniając reakcje w czasie poniżej 10 milisekund. Oprogramowanie dostarczone przez Duatic AG optymalizuje synchronizację ruchów, minimalizując opóźnienia w sterowaniu ramieniem. Jest to kluczowe w dynamicznej grze w badmintona. Testy przeprowadzone w laboratoriach ETH Zürich wykazały, że ANYmal-D osiąga 87% skuteczności w odbijaniu lotki, a to plasuje go na poziomie średniozaawansowanego gracza amatorskiego. W odróżnieniu od tradycyjnych zastosowań ANYmal w inspekcji przemysłowej, ten model adaptuje technologię poruszania się za pomocą czterech nóg do precyzyjnych ruchów sportowych, demonstrując wszechstronność platformy. Wnioski z badań sugerują, że takie systemy mogą wspierać trening sportowy, oferując powtarzalne scenariusze gry, a także znaleźć zastosowanie w rehabilitacji ruchowej, gdzie precyzja i adaptacyjność są kluczowe.

Helix sprawi, że roboty humanoidalne staną się lepsze. Nowy model AI umożliwia im pracę z obiektami, których nigdy nie widziały

Dalszy rozwój technologii rodzi pytania o przyszłość sportu i interakcji człowiek-maszyna. Integracja AI w robotyce sportowej otwiera możliwość tworzenia nowych dyscyplin, w których ludzie i maszyny będą rywalizować na równych zasadach. Jednak wysokie koszty produkcji, szacowane na 60 000 USD za jednostkę, oraz złożoność skalowania algorytmów RL mogą ograniczać dostępność takich rozwiązań w najbliższych latach. Badania ETH Zürich wskazują, że miniaturyzacja czujników i optymalizacja oprogramowania mogą obniżyć koszty o 25% do 2030 roku, co zwiększy potencjał komercjalizacji. Inspiracją dla projektu były autonomiczne drony, które wykorzystują podobne algorytmy do nawigacji w dynamicznych środowiskach. To podkreśla konwergencję technologii robotycznych. Czy takie innowacje wpłyną na rozwój symulatorów sportowych i gamingu? Czy AI stanie się standardem w wirtualnych trenerach? Czy roboty sportowe zrewolucjonizują akademie treningowe, oferując spersonalizowane sesje?