Une table de ping-pong robot peut maintenir un rallye contre les humains, mais comme de nombreux joueurs amateurs, il a du mal à tenter des coups plus sophistiqués.
Yapeng Gao, Jonas Tebbe et Andreas Zell à l’Université de Tübingen en Allemagne a commencé par concevoir une simulation informatique dans laquelle un bras de robot virtuel équipé d’une raquette de tennis de table tentait de renvoyer des balles de ping-pong sur une table de ping-pong virtuelle.
Les chercheurs ont effectué cette simulation afin qu’un apprentissage automatique L’algorithme pourrait apprendre comment la vitesse et l’orientation de la raquette affectent le chemin emprunté par la balle.
Une fois que cet algorithme, qui apprend par essais et erreurs, a pu renvoyer la balle de manière fiable, les chercheurs l’ont configuré pour contrôler le mouvement d’un vrai bras de robot positionné à côté d’une vraie table (photo).
Le système a utilisé deux caméras pour suivre l’emplacement de la vraie balle toutes les 7 millisecondes, et l’algorithme a traité les signaux et décidé où déplacer le bras robotique pour frapper et renvoyer la balle.
Les signaux envoyés par l’algorithme ont permis au bras du robot de jouer avec précision des coups jusqu’à une moyenne de 24,9 centimètres de l’emplacement prévu. Ce niveau de précision était légèrement pire que lorsque l’algorithme fonctionnait avec une simulation – un phénomène courant, explique Tebbe, car les simulations informatiques ne peuvent pas tout représenter avec précision dans la vie réelle.
Le bras du robot se heurte à un joueur humain Yapeng Gao, Jonas Tebbe et Andreas Zell
L’ensemble du processus – y compris la formation à la simulation virtuelle et dans le monde réel – n’a pris qu’une heure et demie, démontrant à quelle vitesse les algorithmes peuvent apprendre à fonctionner dans une nouvelle situation.
Cependant, bien que le robot ait bien fonctionné contre les joueurs humains, il a été déclenché par des tirs rapides – et, étonnamment, par des tirs lents. « Si une balle est lente, le robot doit générer plus de vitesse », explique Tebbe. Luttant pour faire cela, la balle s’est souvent effondrée de la raquette.
« En entraînant le système pendant une période de temps relativement courte, le robot est capable de bien gérer les différences de service et de revenir en utilisant une politique aléatoire », explique Jonathan Aitken de l’Université de Sheffield au Royaume-Uni, qui n’était pas impliqués dans l’étude.
Aitken a été surpris que l’algorithme ait échoué en retournant des tirs lents. Il trouve également intéressant qu’il ait parfois eu du mal à réaliser des prises de vue à cause des limitations mécaniques du système robotique, plutôt qu’à cause des lacunes de l’algorithme.
Le bras du robot a d’autres limitations. Par exemple, il a du mal à jouer des coups en backspin, explique Zell, car le bras du robot est incapable de tenir la raquette à l’angle requis pour effectuer de tels coups. Mais malgré ces problèmes, il pense que le robot est un bon joueur.
« Ce n’est pas pire qu’un joueur humain régulier », dit-il. « C’est déjà à égalité avec moi. »
Référence: arxiv.org/abs/2109.03100
Plus sur ces sujets :
Source link
