En un nuevo documento de investigación publicado por Google a través de su iniciativa DeepMind, la compañía demuestra los avances para el diseño de robots con capacidades físicas mejoradas, lo suficiente como para obtener un nivel humano amateur y ganar la mitad de sus partidos de tenis de mesa contra jugadores competitivos.
Aunque avances en robótica han permitido integrarlos a tareas rutinarias como el ensamble de automotores o algunas más retadoras como un juego de ajedrez, otros aspectos como la precisión, velocidad y adaptabilidad a nivel humano se mantienen como algunos de los principales retos de la robótica.
Para abordar estos retos, DeepMind publicó nuevos avances de un robot que juega tenis de mesa, un deporte que le permitía el desarrollo de habilidades como el movimiento a alta velocidad, la toma de decisiones precisas y estratégicas en tiempo real, el diseño de sistemas y la posibilidad de competir directamente con un oponente humano.
Según la compañía, esta sería la primera investigación en la que un robot juegue de forma competitiva contra participantes humanos.
El rendimiento del robot y las políticas se evaluaron mediante 29 partidos entre robots y humanos, de los cuales el robot ganó el 45 por ciento (13/29). Todos los humanos eran jugadores no vistos previamente y su nivel de habilidad variaba desde principiante hasta nivel de torneo. Aunque el robot perdió todos los partidos contra los jugadores más avanzados, ganó el 100 por ciento de los partidos contra principiantes y el 55 por ciento de los partidos contra los jugadores de nivel intermedio, lo que demuestra un sólido rendimiento a nivel de aficionado humano, señalan los investigadores.
Según los investigadores involucrados en el proyecto, el documento publicado aporta una arquitectura de políticas jerárquica y modular que consiste en: controladores de bajo nivel con sus descriptores detallados de habilidades que modelan las capacidades del agente y ayudan a salvar la brecha entre simulación y realidad; y un controlador de alto nivel que elige las habilidades de bajo nivel.
También lee: Robots humanoides arman autos de BMW
Asimismo, incluye técnicas para permitir la simulación de tiro cero a realidad, incluido un enfoque iterativo para definir la distribución de tareas que se basa en el mundo real y define un plan de estudios automático, así como la adaptación en tiempo real a oponentes no antes vistos.
En general, los jugadores calificaron como “divertido” el juego con el robot, y todos dijeron que “definitivamente” jugarían contra él nuevamente, según los resultados de DeepMind. Sin embargo, los jugadores también advirtieron las bajas habilidades del robot en underspin, también conocido como backspin, una técnica fundamental que consiste en dar efecto a la pelota en dirección descendente, haciéndola girar hacia atrás y rebotar en el lado contrario de la mesa.
“Esta deficiencia se debe en parte a la dificultad de manejar bolas bajas para evitar la colisión con la mesa y, en segundo lugar, a la determinación del giro de la bola en tiempo real. Afortunadamente, esto proporciona una información clara para el entrenamiento adicional en nuestro volante”, agrega el documento.