Os esportes têm servido há muito tempo como um teste importante para robôs. O exemplo mais conhecido do fenômeno pode ser a competição anual de futebol RoboCup, que remonta a meados da década de 1990. O tênis de mesa tem desempenhado um papel fundamental na avaliação comparativa de braços robóticos desde uma década antes. O esporte requer velocidade, capacidade de resposta e estratégia, entre outras coisas.
Robôs Competindo no Tênis de Mesa
Em um artigo recém-publicado intitulado "Achieving Human Level Competitive Robot Table Tennis" (Alcançando Tênis de Mesa de Robôs Competitivos de Nível Humano), a equipe DeepMind Robotics do Google está exibindo seu próprio trabalho no jogo. Os pesquisadores desenvolveram efetivamente um "jogador de nível humano solidamente amador" quando colocados contra um componente humano.
Durante os testes, o bot de tênis de mesa conseguiu vencer todos os jogadores iniciantes que enfrentou. Com jogadores intermediários, o robô venceu 55% das partidas. No entanto, ele não está pronto para enfrentar profissionais. O robô perdeu todas as vezes que enfrentou um jogador avançado. No total, o sistema venceu 45% dos 29 jogos que jogou.
"Este é o primeiro agente robô capaz de praticar um esporte com humanos em nível humano e representa um marco no aprendizado e controle de robôs", afirma o artigo. "No entanto, também é apenas um pequeno passo em direção a uma meta de longa data na robótica de atingir desempenho de nível humano em muitas habilidades úteis do mundo real. Ainda há muito trabalho a ser feito para atingir consistentemente o desempenho de nível humano em tarefas únicas e, além disso, na construção de robôs generalistas que sejam capazes de executar muitas tarefas úteis, interagindo com habilidade e segurança com humanos no mundo real."
Desafios e Próximos Passos
A maior deficiência do sistema é sua capacidade de reagir a bolas rápidas. A DeepMind sugere que as principais razões para isso são latência do sistema, reinicializações obrigatórias entre tacadas e falta de dados úteis.
"Para abordar as restrições de latência que dificultam o tempo de reação do robô a bolas rápidas, propomos investigar algoritmos de controle avançados e otimizações de hardware", observam os pesquisadores. "Isso pode incluir explorar modelos preditivos para antecipar trajetórias de bolas ou implementar protocolos de comunicação mais rápidos entre os sensores e atuadores do robô."
Outros problemas exploráveis com o sistema são bolas altas e baixas, backhand e a capacidade de ler o spin de uma bola que se aproxima.
Impactos Além do Tênis de Mesa
Quanto à forma como essa pesquisa poderia afetar a robótica além da utilidade muito limitada do tênis de mesa, a DeepMind cita a arquitetura de políticas, seu uso de simulação para operar em jogos reais e sua capacidade de adaptar sua estratégia em tempo real.
À medida que os robôs se tornam cada vez mais capazes de interagir com humanos em ambientes complexos, como esportes, essa pesquisa representa um passo importante em direção à inteligência artificial de nível humano. Embora ainda haja muito trabalho a ser feito, o progresso demonstrado neste artigo é um sinal animador do potencial da robótica e da IA para superar desafios cada vez mais sofisticados.
