Heinäkuun 2025 ensimmäinen viikko on tuonut merkittävän läpimurron tekoälyn ja robotiikan saralla, kun tutkijat ovat esitelleet koneita, joilla on ennennäkemättömiä kykyjä ennakoida liikkeitä ja mukauttaa strategioitaan dynaamisissa ympäristöissä.
Tämän kehityksen keskiössä on ETH Zürichin kehittämä ANYmal-D, nelijalkainen robotti, joka osaa pelata sulkapalloa itsenäisesti ihmispelaajia vastaan. Robotti hyödyntää innovatiivista vahvistusoppimiseen perustuvaa ohjausjärjestelmää, jonka avulla se pystyy seuraamaan, ennustamaan ja taidokkaasti palauttamaan sulkapalloja. Sen kehittynyt "aivo" mahdollistaa sulkapallon lentoradan seuraamisen, sen reitin ennakoinnin sekä nopean liikkumisen kentällä pallon vastaanottamiseksi ja palauttamiseksi. Tämä saavutus, joka on esitelty Science Robotics -lehdessä, osoittaa, että nelijalkaisia robotteja voidaan hyödyntää dynaamisissa tehtävissä, joissa vaaditaan tarkkaa havainnointia ja nopeita, koko kehon liikkeitä.
Robotissa on stereokamera näköpohjaista havainnointia varten sekä dynaaminen varsi sulkapallomailan käsittelyyn, mikä edellyttää havainnoinnin, liikkumisen ja käsivarren liikkeiden tarkkaa synkronointia. Tutkijat kouluttivat järjestelmää vahvistusoppimisen avulla, jolloin robotti oppi tehokkaita strategioita kokeilun ja ympäristönsä kanssa vuorovaikuttamisen kautta. Testeissä ihmispelaajia vastaan ANYmal-D osoitti kykynsä liikkua kentällä tehokkaasti, palauttaa lyöntejä eri nopeuksilla ja kulmilla sekä ylläpitää jopa 10 lyönnin mittaisia palloralleja.
Tämä läpimurto on paljon enemmän kuin pelkkä teknologinen kuriositeetti. Neljällä jalalla liikkuva robotti hyödyntää näköä, sensoridataa ja koneoppimista liikkeitä ennakoidakseen ja strategiaansa mukauttaakseen, mikä osoittaa ihmisen ja robotin yhteistyön tulevaisuuden urheilussa ja koulutuksessa. Projekti yhdistää fyysisen robotiikan ja kehittyneen tekoälypohjaisen päättelyn, avaten uusia mahdollisuuksia koneille toimia ihmisten rinnalla monimutkaisissa ja arvaamattomissa ympäristöissä.
Robotiikan tutkijat ovat saavuttaneet merkittäviä edistysaskeleita siinä, miten robotit oppivat ja mukautuvat. Yksi keskeinen edistysaskel liittyy erilaisten datatyyppien yhdistämiseen roboteille hyödylliseksi tiedoksi. Esimerkiksi tutkijat voivat kerätä dataa ihmisistä, jotka suorittavat tehtäviä sensoreita käyttäen, yhdistää sen teleoperaatiodataan ihmisistä, jotka ohjaavat robottikäsivarsia, ja täydentää tätä internetistä kerätyillä kuvilla ja videoilla, joissa ihmiset tekevät samankaltaisia toimintoja. Yhdistämällä nämä tietolähteet uusiin tekoälymalleihin robotit saavat valtavan etumatkan perinteisiin menetelmiin verrattuna. Kun tekoälymallit näkevät useita tapoja suorittaa sama tehtävä, niiden on helpompi improvisoida ja päättää seuraavista toimenpiteistä todellisissa tilanteissa. Tämä merkitsee perustavanlaatuista muutosta robottien oppimisessa.
Tämä on merkittävä osa nykyistä tekoälypohjaista valmistusta. Vahvistusoppimisen läpimurrot ovat mahdollistaneet fyysisten robottien päätöksenteon ja monimutkaisten fyysisten tehtävien suorittamisen, aina t-paitojen ripustamisesta henkareihin pizzataikinan valmistamiseen. Generatiivisen tekoälyn ja robotiikan yhdistäminen on laajentanut sovellusmahdollisuuksia radikaalisti liiketoiminnassa, terveydenhuollossa, koulutuksessa ja viihteessä, viitaten tulevaisuuteen, jossa älykkäät koneet sulautuvat saumattomasti osaksi arkeamme.