[星岛综合报道] 机械人能否像人类一样进行高难度运动，一直是人工智能领域的重要课题。中国清华大学研究团队近日发表新成果，透过一套名为“LATENT”的系统，成功训练人形机械人打网球，表现被形容为机器学习及现实世界人工智能的一项突破。

研究指出，成为一名合格运动员，需要高度精准的感知能力、灵活的身体控制、快速反应及对角度的判断。然而，将这些能力转化到机械人身上并不容易。

以网球为例，现有的可穿戴动作捕捉技术，难以应付球员在场上大范围移动，同时亦未能准确捕捉手腕角度等细微动作，而这些正正是影响击球质素的关键。至于利用多镜头影像配合人工智能进行分析，例如NVIDIA的相关技术，研究团队亦指出流程复杂，需大量工程与专业知识支持。

新提出的LATENT系统，回归动作捕捉的核心概念，但只针对最基本的“技术单元”。研究人员收集约五小时的人类运动数据，包括正手、反手、侧步及交叉步等基本动作，并在较小范围内完成。

系统会将这些数据转化为一个“动作空间”，再输入至机械人之中。实验所使用的是Unitree G1 humanoid robot，该机械人近年因能进行跳舞、格斗等动作而受到关注，售价约为13,500美元起。

与传统“逐步教学”不同，LATENT并不直接教机械人如何打球，而是提供一组可参考的动作模式，让机械人自行尝试：当侦测到网球打来时，选择合适动作击球，并以成功将球击回对方场地作为目标。

在训练过程中，大部分学习均于模拟环境中进行，大幅提升效率。机械人需要自行调整击球角度、时机及步法，甚至在必要时偏离原有动作模式。

实际测试结果显示，该机械人在正手击球的成功率约为90%，反手则接近80%。整体动作流畅自然，接近人类球员的表现。

研究团队强调，目前技术尚未达到参与正式比赛的水平，但作为早期成果，已展示出显著进展。未来，价格相对亲民的人形机械人，有机会成为网球训练伙伴。

更重要的是，相关技术不仅限于运动领域。透过在高动态环境中学习身体控制与决策能力，机械人可望应用于更实际的场景，例如复杂操作或高风险任务。目前，LATENT系统已于GitHub开源，供研究人员进一步开发与应用。

图片：清华大学





Source link

Post Views: 0