یک ربات جی‌۱ یونی‌تری (Unitree G1) که به «سیب‌زمینی کوچک» معروف است، یک حرکت سه‌گام عالی انجام داد که جهشی قابل توجه در توانایی‌های ورزشی ربات‌های انسان‌نما محسوب می‌شود.

به گزارش ایسنا، در یک نمایش جدید که توسط دانشگاه علوم و فناوری هنگ کنگ (HKUST) انجام شد، این ربات انسان‌نمای جمع‌وجور پس از تمرین هزاران تمرین شبیه‌سازی‌شده، به نرمی و به شکلی شگفت‌انگیز حرکت کرد، دریبل زد، پاس داد و شوت زد.

به نقل از آی‌ای، توانایی‌های این ربات از یک چارچوب هوش مصنوعی به نام SkillMimic، ناشی می‌شود که حرکات انسانی ضبط‌شده از طریق ویدئو و لباس‌های مخصوص ردیابی حرکت را مطالعه می‌کند، سپس این حرکات را در آموزش مجازی اصلاح می‌کند تا زمانی که برای دنیای واقعی به اندازه کافی پایدار باشند.

این رویکرد امکان آموزش یک سیاست واحد برای یادگیری چندین مهارت را فراهم می‌کند و امکان تغییر مهارت را حتی اگر این سوئیچ‌ها در مجموعه داده‌های مرجع وجود نداشته باشند، فراهم می‌کند. محققان در چکیده مطالعه گفتند که یک کنترل‌کننده سطح بالا می‌تواند به راحتی از مهارت‌های کسب شده توسط SkillMimic برای انجام وظایف پیچیده بسکتبال استفاده مجدد کند.

بسکتبال رباتیک می‌شود

ویدئویی، یک ربات انسان‌نمای جمع‌وجور یونی‌تری را نشان می‌دهد که در زمین بازی سُر می‌خورد و با سرعت و کنترلی شگفت‌انگیز و طبیعی، شوت می‌زند. این گروه ادعا می‌کنند که این اولین نمایش جهان از یک ربات است که حرکات بسکتبال را در یک محیط واقعی انجام می‌دهد.

در طول نمایش، G1 حتی سعی کرد یک پرتاب انجام دهد، اما یک محقق به آن ضربه زد و مانع شد. با این حال، ربات به سرعت تعادل خود را بازیافت و به بازی ادامه داد که نشان می‌دهد حرکات آموخته شده‌اش چقدر پایدار شده‌اند.

SkillMimic-V2 سیستمی است که پشت پیشرفت‌های اخیر در بسکتبال ربات‌های انسان‌نما قرار دارد. این سیستم با یک چالش بزرگ مقابله می‌کند: داده‌های حرکتی واقعی اغلب آشفته هستند. نمایش‌های انسانی می‌توانند پراکنده، پر سر و صدا و فاقد انتقال‌های روان مورد نیاز برای یادگیری مهارت‌های پیچیده توسط ربات باشند. این گروه به جای تلاش برای جمع‌آوری داده‌های بی‌نقص، استدلال می‌کند که حتی داده‌های ناقص نیز در صورت پردازش صحیح، حاوی اطلاعات مفید کافی هستند.

این گروه می‌گویند هنوز موارد بیشتری برای بررسی وجود دارد مانند آموزش یک سیاست واحد برای مدیریت اشیاء مختلف، یادگیری از مجموعه داده‌های کوچکتر و در نهایت وادار کردن ربات‌های انسان‌نمای واقعی به انجام این مهارت‌ها خارج از شبیه‌سازی، از جمله بازی‌های کامل بسکتبال.