První týden července 2025 přinesl zásadní průlom v oblasti umělé inteligence a robotiky, když vědci předvedli stroje s dosud nevídanou schopností předvídat pohyby a upravovat strategie v dynamickém prostředí.
Středobodem tohoto pokroku je ANYmal-D, čtyřnohý robot vyvinutý na ETH Curych, který dokáže autonomně hrát badminton proti lidským soupeřům. Robot využívá inovativní řídicí systém založený na posilovaném učení, který mu umožňuje sledovat, předvídat a obratně vracet míčky. Jeho sofistikovaný „mozek“ mu dovoluje sledovat trajektorii míčku, předvídat jeho dráhu a rychle se pohybovat po kurtu, aby jej zachytil a vrátil. Tento úspěch, podrobně popsaný v časopise Science Robotics, ukazuje potenciál nasazení čtyřnohých robotů v dynamických úkolech vyžadujících přesné vnímání a rychlé, celotělové reakce.
Robot je vybaven stereokamerou pro vizuální vnímání a dynamickou paží pro držení badmintonové rakety, což vyžaduje přesnou synchronizaci vnímání, pohybu a práce paže. Vědci systém trénovali pomocí posilovaného učení, díky čemuž si robot osvojil efektivní strategie prostřednictvím experimentování a interakce s prostředím. V testech proti lidským hráčům ANYmal-D prokázal schopnost efektivně se pohybovat po kurtu, vracet údery různou rychlostí a pod různými úhly a udržet výměny až o 10 po sobě jdoucích úderech.
Tento průlom představuje víc než jen technologickou zajímavost. Čtyřnohý robot využívá zrak, senzorická data a strojové učení k předvídání pohybů a úpravě strategie, což ukazuje budoucnost spolupráce člověka a robota ve sportu a tréninku. Projekt propojuje fyzickou robotiku s pokročilým AI uvažováním a otevírá nové možnosti pro stroje, které mohou pracovat po boku lidí ve složitých a nepředvídatelných prostředích.
Robotičtí odborníci dosáhli zásadních pokroků v tom, jak se roboti učí a přizpůsobují. Klíčovým vylepšením je kombinace různých typů dat, která jsou pro roboty užitečná. Například vědci mohou sbírat data od lidí vykonávajících úkoly se senzory na těle, spojit je s teleoperačními daty od lidí ovládajících robotická ramena a doplnit je internetovými obrázky a videi lidí provádějících podobné činnosti. Sloučením těchto zdrojů do nových AI modelů získávají roboti obrovský náskok oproti těm, kteří jsou trénováni tradičními metodami. Vidět více způsobů, jak splnit jeden úkol, usnadňuje AI modelům improvizovat a určovat vhodné další kroky v reálných situacích. To představuje zásadní změnu v tom, jak se roboti učí.
To je významný aspekt dnešní AI výroby. Průlomy v posilovaném učení umožnily fyzickým robotům činit rozhodnutí a provádět složité fyzické úkoly, od věšení triček na ramínka až po přípravu těsta na pizzu. Toto propojení generativní AI a robotů zásadně rozšířilo možné využití v podnikání, zdravotnictví, vzdělávání i zábavě a naznačuje budoucnost, v níž se inteligentní stroje plynule začlení do našeho každodenního života.