W najnowszym pokazie Unitree G1 zademonstrował płynny rzut za trzy, celne podania i czysty wsad z trzech kroków. To nie tylko imponująca sztuczka, ale pokaz technologii. Takie umiejętności zawdzięcza bowiem nowemu, zaawansowanemu algorytmowi AI o nazwie SkillMimic-V2, który umożliwia robotom naukę skomplikowanych i płynnych ruchów nawet na podstawie niedoskonałych i zaszumionych danych z ludzkich demonstracji.
SkillMimic-V2, czyli jak AI zamienia dane w czysty ruch
Kluczem do atletycznego sukcesu robota jest SkillMimic. To struktura AI, która najpierw analizuje ludzkie ruchy – przechwycone za pomocą nagrań wideo lub specjalnych kombinezonów do śledzenia ruchu. Następnie, model ten udoskonala te ruchy w symulacji, aż staną się wystarczająco stabilne i niezawodne, aby można je było zaimplementować w świecie rzeczywistym.
Badacze podkreślają, że głównym problemem w uczeniu robotów przez demonstrację jest bałagan w danych. Ludzkie ruchy są często niekompletne, „brudne” i brakuje im płynnych przejść, których robot potrzebuje do nauki złożonych sekwencji. Zamiast dążyć do zbierania idealnych danych, zespół HKUST postawił na system, który potrafi wyciągnąć użyteczne informacje nawet ze zniekształconych nagrań.
Czytaj też: Ten robot unika lecącej strzały lepiej niż człowiek. Chińska firma MagicLab znów przesuwa granice robotyki
SkillMimic-V2 opiera się na trzech głównych innowacjach, które pozwalają mu na efektywną naukę:
- Stitched Trajectory Graph (STG) – ten mechanizm znajduje podobne pozycje ciała pomiędzy różnymi umiejętnościami (np. dryblingiem a wsadem) i szyje je razem. W ten sposób tworzy nowe, płynne ścieżki przejścia, których robot nigdy nie widział w oryginalnym nagraniu.
- State Transition Field (STF) – dzięki temu narzędziu robot jest trenowany poprzez rozpoczynanie ćwiczeń z lekko różnych punktów, z uwzględnieniem nawet ukrytych stanów pośrednich. To zmusza robota do nauki szybkiego odzyskiwania równowagi i radzenia sobie z błędami.
- Adaptive Trajectory Sampling (ATS) – w tym przypadku większa waga treningowa jest przyznawana najtrudniejszym momentom w sekwencji ruchu. Dzięki temu robot nie zawodzi w krytycznych, długich sekwencjach akcji.
Działając razem, te narzędzia sprawiły, że G1 nauczył się płynniejszych i bardziej ogólnych umiejętności. W trakcie demonstracji, nawet gdy naukowiec celowo wybił robotowi piłkę w trakcie wsadu, ten błyskawicznie odzyskał równowagę i kontynuował grę, co jest świadectwem stabilności jego ruchów.
Symulacja, która wygrywa z rzeczywistością
Badacze przetestowali swój system na czterech zaawansowanych zadaniach koszykarskich, wykorzystując jedną zasadę „umiejętności interakcji” wytrenowaną na siedmiu podstawowych ruchach, takich jak różne rodzaje dryblingu, wsadów i podnoszenia piłki. Ta zasada była trenowana w symulacji, generując około 4,5 miliarda próbek.
Podczas porównań z tradycyjnymi metodami (uczenie od podstaw, starsze techniki uczenia ruchu), roboty wyszkolone w przestarzały sposób często zawodziły, zwłaszcza gdy brakowało im silnych umiejętności interakcji z piłką. SkillMimic okazał się kluczem, ponieważ wyposażył robota w mocne, wielokrotnego użytku umiejętności, które można łatwo łączyć w skomplikowane sekwencje.
Czytaj też: Roboty wkraczają pod strzechy. W x-komie kupisz sobie robo-psa albo humanoidalną maszynę z AI
Naukowcy przyznają, że to dopiero początek. Kolejne wyzwania to nauczenie jednej zasady obsługiwania wielu różnych obiektów, praca z mniejszymi zbiorami danych, a ostatecznie – doprowadzenie do tego, by humanoidalne roboty mogły rywalizować w pełnych meczach koszykówki poza laboratorium.
Ten pokaz umiejętności koszykarskich Unitree G1 w świecie rzeczywistym udowadnia, że zaawansowane AI potrafi przekształcać niedoskonałe ludzkie demonstracje w płynne, stabilne i złożone ruchy robotów. To nie tylko sportowa ciekawostka – to dowód na to, że roboty humanoidalne są na dobrej drodze do opanowania dynamicznych i nieprzewidywalnych zadań, które wymagają finezji, szybkiej reakcji i doskonałej koordynacji. Oznacza to ogromny postęp dla przyszłych zastosowań robotów w fabrykach, logistyce i, kto wie, może kiedyś na prawdziwym boisku, choć nie ma co się martwić, prawdziwych koszykarzy nigdy nie zastąpią.