Naśladowanie ruchów sportowców może pomóc w nauce robotów
Naśladowanie ruchów sportowców takie jak cieszynka Ronaldo „Sui” w sposób ciekawy pomaga w nauce robotów lokomocyjnych.
Rozwój robotyki od lat skupia się na doskonaleniu zdolności lokomocyjnych maszyn. Przez dekady inżynierowie tworzyli roboty potrafiące chodzić, biegać, a nawet wspinać się po nierównym terenie. Jednak czymś, co do tej pory pozostawało poza ich zasięgiem, była naturalna płynność i dynamika ruchów, którą posiadają ludzie, zwłaszcza atleci. Nowy model treningowy opracowany przez badaczy z Carnegie Mellon University i NVIDIA zmienia to podejście, otwierając nowy rozdział w historii robotyki.
Najważniejszym elementem nowego modelu jest wykorzystanie pełnego zakresu ruchu ciała robota zamiast ograniczania go do prostych sekwencji kroków. Wcześniejsze technologie, choć umożliwiły maszynom skuteczne poruszanie się, nie pozwalały im na wykonywanie skomplikowanych, dynamicznych gestów, które charakteryzują np. sportowców. Nowy model treningu pozwala robotom naśladować pełne ruchy czołowych gwiazd sportu, takich jak Cristiano Ronaldo czy LeBron James.
W ramach badań naukowcy opracowali dwuetapowy model treningowy o nazwie Aligning Simulation and Real Physics (ASAP). Pierwszy etap polega na analizie nagrań wideo, podczas których AI uczy się, jak wyglądają konkretne ruchy w wykonaniu ludzi. Kluczowe punkty ruchu są następnie dostosowywane do możliwości robota. W drugim etapie dane te są konfrontowane z rzeczywistym środowiskiem i dostosowywane, by ruchy były jak najbardziej zbliżone do oryginalnych.
W efekcie badacze byli w stanie nauczyć roboty wykonywania takich ruchów jak fadeaway jump shot Kobe Bryanta, Silencer LeBrona Jamesa oraz słynne „Siuuu!” Cristiano Ronaldo. Nagrania występów można zobaczyć na YouTube, gdzie roboty odtwarzają kultowe gesty sportowe z naprawdę niespotykaną dotąd precyzją.
Choć efekt jest imponujący, warto zauważyć, że roboty wciąż nie osiągnęły poziomu płynności ludzkich sportowców. Ruchy, choć precyzyjne, są jeszcze nieco sztywne i pozbawione naturalnej ekspresji. Niemniej jednak to krok milowy w rozwoju robotyki, który może mieć ogromny wpływ na przyszłość tej dziedziny.
Podobne podejście zostało zastosowane w innych obszarach robotyki. Na przykład Boston Dynamics, znana z tworzenia zaawansowanych humanoidalnych i czworonożnych robotów, wielokrotnie udowadniała, że maszyny mogą poruszać się w sposób niemal identyczny jak ludzie czy zwierzęta. Ich robot Atlas potrafi wykonywać salta, pokonywać przeszkody oraz dynamicznie dostosowywać ruchy do zmieniającego się otoczenia.
W innej ciekawej pracy, naukowcy z MIT stworzyli algorytmy, które uczą roboty dostosowywania się do różnych stylów chodu, co pozwala im przemieszczać się w bardziej realistyczny sposób.
Opracowanie robotów zdolnych do naśladownictwa ludzkich ruchów nie jest jedynie ciekawostką dla miłośników technologii czy sportu. Może mieć szersze zastosowania, np. w rehabilitacji, gdzie maszyny mogłyby odtwarzać idealne wzorce ruchowe pomagając pacjentom odzyskać sprawność. Ponadto tego typu technologia może znaleźć zastosowanie w przemyśle rozrywkowym, w tworzeniu realistycznych animacji do gier wideo czy filmów.
Nie można też zapominać o możliwościach, jakie daje w kontekście robotyki humanoidalnej w kontekście automatyzacji pracy. Roboty, które poruszają się w sposób naturalny, mogą być wykorzystywane w obszarach wymagających interakcji z ludźmi, np. w opiece zdrowotnej, edukacji czy przemyśle usługowym.
Osiągnięcia zespołu Carnegie Mellon University i NVIDIA pokazują, że robotyka wkracza w nową fazę, w której maszyny nie tylko przemieszczają się skutecznie, ale także robią to w sposób realistyczny i atletyczny. Choć jeszcze wiele pracy przed badaczami, kierunek ten otwiera nowe perspektywy dla robotyki, która może w przyszłości przenieść interakcje między ludźmi a maszynami na zupełnie nowy poziom.
Szymon Ślubowski
