Cientistas chineses treinaram um robô para jogar tênis de maneira inovadora

Cientistas chineses apresentam nova forma de treinar robôs para jogar tênis

Pesquisadores da China publicaram resultados de testes de uma metodologia inovadora que permite aos robôs aprender rapidamente e facilmente as habilidades básicas do jogo de tênis. Segundo eles, isso pode representar um avanço significativo tanto no aprendizado de máquina quanto na aplicação prática da IA – relata o recurso New Atlas.

Por que tecnologias tradicionais não funcionam
Na maioria dos esportes, incluindo o tênis, os sistemas de captura de movimento ainda não conseguem registrar detalhes minuciosos, como o ângulo do punho ao bater. Em uma quadra dinâmica, tais nuances são críticas, e o controle remoto se mostra ineficaz.

O problema se complica quando tentamos extrair as informações necessárias de gravações multicanais com software de IA (por exemplo, Vid2Player3D da Nvidia). Esse é um “processo complexo”, exigindo profundo conhecimento técnico e esforços de engenharia.

O que os pesquisadores propuseram
Eles criaram o sistema LATENT, baseado em captura de movimento, mas limitado apenas aos elementos básicos da técnica. Tal sistema pode operar com dados incompletos.

- Experimento: durante cinco horas foram coletados dados sobre “habilidades primitivas” – golpes à direita/esquerda, deslocamentos laterais e passos cruzados em uma área parcial da quadra.

- Esses dados foram processados por câmeras para criar um repertório de “espaços de movimento” parecidos com os humanos.

- Em seguida, as habilidades básicas foram carregadas no robô humanoide G1 da Unitree (custo – US$13.500).

Como o robô aprende
O sistema LATENT permite que o G1 reconheça a bola que se aproxima e, usando uma raquete, devolva-a através da rede. O sucesso é considerado quando a bola cai dentro das linhas brancas do lado oposto da quadra.

O robô utiliza as habilidades básicas para experimentar ângulos, tempo de reação e escolha de movimentos em diferentes situações. A maior parte do treinamento ocorre em simulação em alta velocidade.

Resultados
- 90 % de sucesso nos golpes à direita.
- ≈80 % – nos golpes à esquerda.
- Os movimentos parecem suaves e ágeis, quase como um verdadeiro tenista.

Embora o G1 ainda não esteja pronto para partidas oficiais, já demonstrou progresso significativo no aprendizado do jogo.

O que isso significa para o futuro dos robôs
O método desenvolvido permite que os robôs se adaptem rapidamente a situações complexas e dinâmicas. Isso abre perspectivas para tarefas práticas que exigem resposta rápida a condições extremas – desde produção industrial até operações de resgate.

O software LATENT é open source e disponível no GitHub.