Prima săptămână a lunii iulie 2025 a adus un progres semnificativ în domeniul inteligenței artificiale și al roboticii, cercetătorii demonstrând mașini cu abilități fără precedent de a anticipa mișcări și de a-și ajusta strategiile în medii dinamice.
În centrul acestei avansări se află ANYmal-D, un robot patruped dezvoltat de ETH Zurich, capabil să joace badminton autonom împotriva adversarilor umani. Robotul folosește un sistem inovator de control bazat pe învățare prin recompensă, care îi permite să urmărească, să prezică și să returneze cu măiestrie fluturașul. "Creierul" său sofisticat îi oferă capacitatea de a urmări traiectoria fluturașului, de a anticipa parcursul acestuia și de a se deplasa rapid pe teren pentru a intercepta și returna lovitura. Această realizare, detaliată în jurnalul Science Robotics, evidențiază potențialul de a utiliza roboți cu picioare în sarcini dinamice ce necesită percepție precisă și reacții rapide, de ansamblu.
Robotul este echipat cu o cameră stereo pentru percepție vizuală și un braț dinamic pentru a manevra racheta de badminton, necesitând o sincronizare precisă între percepție, locomoție și mișcarea brațului. Cercetătorii au antrenat sistemul folosind învățarea prin recompensă, permițând robotului să dezvolte strategii eficiente prin experimentare și interacțiune cu mediul. În testele cu jucători umani, ANYmal-D și-a demonstrat abilitatea de a naviga eficient pe teren, returnând lovituri la viteze și unghiuri variate și menținând schimburi de până la 10 lovituri consecutive.
Această descoperire reprezintă mai mult decât o simplă curiozitate tehnologică. Robotul patruped utilizează viziune, date de la senzori și învățare automată pentru a anticipa mișcări și a-și ajusta strategia, ilustrând viitorul colaborării om-robot în sport și antrenament. Proiectul îmbină robotica fizică cu raționamentul avansat al inteligenței artificiale, deschizând noi posibilități pentru mașini care pot lucra alături de oameni în medii complexe și imprevizibile.
Roboticienii au realizat progrese majore în modul în care roboții învață și se adaptează. Un avans cheie constă în combinarea diferitelor tipuri de date pentru a le face utile roboților. De exemplu, cercetătorii pot colecta date de la oameni care efectuează sarcini purtând senzori, le pot combina cu date de teleoperare de la oameni care folosesc brațe robotice și pot suplimenta aceste date cu imagini și videoclipuri de pe internet cu persoane care realizează acțiuni similare. Prin fuzionarea acestor surse de date în noi modele AI, roboții beneficiază de un avantaj semnificativ față de cei antrenați prin metode tradiționale. Văzând mai multe moduri de a îndeplini o sarcină, modelele AI pot improviza mai ușor și pot determina următoarele mișcări potrivite în situații reale. Aceasta reprezintă o schimbare fundamentală în modul în care roboții învață.
Acesta este un aspect esențial al producției asistate de AI din prezent. Progresele în învățarea prin recompensă au permis roboților fizici să ia decizii și să execute sarcini fizice complexe, de la agățarea tricourilor pe umerașe până la prepararea aluatului de pizza. Această fuziune dintre AI generativă și robotică a extins radical aplicațiile posibile în afaceri, sănătate, educație și divertisment, sugerând un viitor în care mașinile inteligente se integrează perfect în viața noastră de zi cu zi.