Minggu pertama Julai 2025 menyaksikan satu pencapaian besar dalam bidang kecerdasan buatan dan robotik apabila para penyelidik berjaya memperlihatkan mesin dengan keupayaan luar biasa untuk mengantisipasi pergerakan dan menyesuaikan strategi dalam persekitaran dinamik.
Di tengah-tengah kemajuan ini ialah ANYmal-D, sebuah robot berkaki empat yang dibangunkan oleh ETH Zurich dan mampu bermain badminton secara autonomi dengan lawan manusia. Robot ini menggunakan sistem kawalan inovatif berasaskan pembelajaran penguatan yang membolehkannya menjejak, meramal, dan memulangkan bulu tangkis dengan mahir. 'Otak' sofistikatednya membolehkan ia mengikuti trajektori bulu tangkis, mengantisipasi laluannya, serta bergerak pantas di gelanggang untuk memintas dan memulangkannya. Pencapaian ini, yang diperincikan dalam jurnal Science Robotics, memperlihatkan potensi penggunaan robot berkaki dalam tugasan dinamik yang memerlukan persepsi tepat dan tindak balas seluruh badan yang pantas.
Robot ini dilengkapi kamera stereo untuk persepsi berasaskan penglihatan dan lengan dinamik untuk memegang raket badminton, memerlukan penyelarasan tepat antara persepsi, pergerakan, dan gerakan lengan. Penyelidik melatih sistem ini menggunakan pembelajaran penguatan, membolehkan robot membangunkan strategi berkesan melalui percubaan dan interaksi dengan persekitaran. Dalam ujian bersama pemain manusia, ANYmal-D menunjukkan keupayaan mengawal gelanggang dengan berkesan, memulangkan pukulan pada pelbagai kelajuan dan sudut, serta mengekalkan pertukaran sehingga 10 pukulan berturut-turut.
Pencapaian ini bukan sekadar satu keingintahuan teknologi. Robot berkaki empat ini menggunakan penglihatan, data sensor, dan pembelajaran mesin untuk mengantisipasi pergerakan serta menyesuaikan strateginya, memperlihatkan masa depan kerjasama manusia-robot dalam sukan dan latihan. Projek ini menggabungkan robotik fizikal dengan penaakulan AI canggih, membuka kemungkinan baharu untuk mesin yang boleh bekerja bersama manusia dalam persekitaran yang kompleks dan sukar diramal.
Pakar robotik telah mencapai kemajuan besar dalam cara robot belajar dan menyesuaikan diri. Salah satu kemajuan utama ialah menggabungkan pelbagai jenis data agar berguna untuk robot. Sebagai contoh, penyelidik boleh mengumpul data daripada manusia yang melaksanakan tugas sambil memakai sensor, menggabungkannya dengan data teleoperasi daripada manusia yang menggunakan lengan robot, dan menambah imej serta video internet tentang orang yang melakukan tindakan serupa. Dengan menggabungkan sumber data ini ke dalam model AI baharu, robot mendapat kelebihan besar berbanding kaedah latihan tradisional. Melihat pelbagai cara untuk melaksanakan satu tugas memudahkan model AI membuat improvisasi dan menentukan langkah seterusnya yang sesuai dalam situasi dunia sebenar. Ini mewakili perubahan asas dalam cara robot belajar.
Ini merupakan aspek penting dalam pembuatan AI masa kini. Kemajuan dalam pembelajaran penguatan telah membolehkan robot fizikal membuat keputusan dan melaksanakan tugas fizikal yang rumit, daripada menggantung baju-T pada penyangkut hingga membuat doh piza. Gabungan AI generatif dan robot ini telah meluaskan potensi aplikasi dalam perniagaan, penjagaan kesihatan, pendidikan, dan hiburan, membayangkan masa depan di mana mesin pintar berintegrasi secara lancar dalam kehidupan seharian kita.