- PingpongDuo ist ein System zur Koordination humanoider Roboter für Doppel Tischtennis.
- Das System kombiniert künstliche Intelligenz und Bewegungslernen, um Kollisionen und Schlaggenauigkeit zu adressieren.
- Die Roboter sind in der Lage, über zehn Runden hinweg abwechselnd zu schlagen.
- Die von den Forschern entwickelte Schlägerarm-Optimierungsstrategie verbessert die Erfolgsquote der Rückschläge.
Forscher haben PingpongDuo entwickelt, ein mechanisches Framework, das humanoiden Robotern ermöglicht, durch koordinierte Bewegungen und abwechselndes Schlagen im Doppel Tischtennis zu spielen. Das System löst die Herausforderungen des Teilens eines begrenzten Raums, der schnellen Neupositionierung, der Aufrechterhaltung der Schlaggenauigkeit und der Vermeidung von Kollisionen zwischen den Teamkollegen. Es kombiniert koordinierte Positionierung, erlernte Bewegungen und Schlägerkontrollfähigkeiten, um den Robotern zu helfen, bei wechselnden Ballwegen zusammenzuarbeiten. In Experimenten verbesserte das Framework die Rückschlagleistung in Simulationen. Die Ergebnisse zeigen, dass zwei humanoide Roboter in der Lage sind, kontinuierlich zu spielen, während sie die strengen Regeln des abwechselnden Schlagens im Doppel einhalten.
Eigenschaften des PingpongDuo-Systems
Forscher von der University of Hong Kong, dem Shanghai Innovation Research Institute, Archon Robotics und NVIDIA haben gemeinsam PingpongDuo entwickelt, ein Steuerungsframework, das es zwei humanoiden Robotern ermöglicht, im Doppel Tischtennis durch koordinierte Bewegungen und abwechselndes Schlagen zu agieren. Das System kombiniert künstliche Intelligenz, Bewegungslernen und Risikobewertung, um den Robotern beim Schlagen zu helfen, den Raum für den Teamkollegen zu räumen und sich neu zu positionieren, um den nächsten Rückschlag zu erleichtern und Kollisionen zu vermeiden. Im Gegensatz zu traditionellen humanoiden Tischtennis-Systemen, die für Einzelspiele konzipiert sind, koordiniert PingpongDuo das Agieren von zwei Robotern im begrenzten Raum auf einer Seite des Tischtennis-Tisches.
Jeder Roboter muss strikt abwechselnd schlagen und sich nach dem Schlag aus dem zentralen Schlagbereich zurückziehen, während sein Teamkollege bereit ist, den nächsten Ball zurückzuschlagen.
Das Framework verwendet ein hierarchisches Kontrollsystem, das die teamorientierte Positionierung mit individuellen Bewegungs- und Schlagfähigkeiten kombiniert. Auf Teamebene wählt ein Planer die Positionierungsziele für die beiden Roboter aus. Ein lernender Risikobewertungstool bewertet das Kollisionsrisiko potenzieller Bewegungen, einschließlich Kollisionen von Händen, Füßen und Körper. Ein Sicherheitsfilter passt risikobehaftete Positionierungspläne an und priorisiert den Roboter, der bereit ist zu schlagen, um dessen Rückschlagfähigkeit zu unterstützen. Auf individueller Ebene verwendet das System unterschiedliche KI-Strategien für Fußarbeit und Schlägerkontrolle. Die Forscher haben ein Archiv mit etwa 200 Fußfolgen erstellt, die verschiedene Bewegungsdistanzen abdecken, indem sie menschliche Tischtennis-Doppelbewegungen als Trainingsstrategie nutzen.
Bewegungs- und Räumungsstrategien der Roboter
Die Roboter lernen, zwischen Schlagen, Räumen, Wiederherstellen und Warten zu wechseln. Sie nutzen die Körperhaltungen und Bewegungen des Gegners, um jede Fähigkeit zu trainieren, sodass die Roboter auf neue Bälle reagieren können, ohne zuerst in die Standardposition zurückkehren zu müssen.
Die Forscher haben auch eine Schlägerarm-Optimierungsstrategie entwickelt, um die Rückschläge nach schneller Bewegung zu verbessern. Diese Strategie passt sieben Armgelenke basierend auf dem aktuellen Zustand des Roboters sowie der geschätzten Position und Geschwindigkeit des Balls an. Um dieses Modul zu trainieren, verwendete das Team Messdaten von realen Ballflügen, Tischoberflächenbouncen und Schlägerkontakten zur Kalibrierung des physikalischen Simulators. Das endgültige Modell ermöglicht es dem System, zu lernen, wie Veränderungen in der Schlägerbewegung beeinflussen, ob der Ball über das Netz geht und auf der Seite des Gegners landet. In Simulationen verbesserte sich die Erfolgsquote der Rückschläge von PingpongDuo um 13,2 % im Vergleich zu den fortschrittlichsten Benchmarks.
Die Forscher berichteten, dass der Positionierungsfehler während des Räumungsprozesses etwa 2 cm betrug. In praktischen Experimenten vollendeten zwei Unitree G1 humanoide Roboter über 10 abwechselnde Schläge. Ein Roboter absolvierte zudem einen Räumungs- und Wiederherstellungszyklus über 2,15 Meter in 2,4 Sekunden und erreichte eine Spitzengeschwindigkeit von 2,23 Metern pro Sekunde. Die Forscher wiesen darauf hin, dass das aktuelle System auf externe Bewegungserfassungsgeräte angewiesen ist und die Rotation des Balls nicht berücksichtigt. Zukünftige Arbeiten werden die interne Wahrnehmung der Roboter, die Rotationsschätzung sowie autonome Angriffs- und Verteidigungsstrategien untersuchen.
Durchbrüche und Herausforderungen in der kooperativen Spieltechnik
Die Entwicklung von PingpongDuo zeigt das Potenzial humanoider Roboter für koordinierte Bewegungen, insbesondere in Anwendungen mit begrenztem Raum. Diese Technologie kann nicht nur die Schlagleistung der Roboter verbessern, sondern auch effektiv Kollisionen lösen, was in früheren Einzelspiel-Systemen selten der Fall war. Da die Roboter in der Lage sind, sich automatisch an die Bewegungen des Gegners anzupassen, wird zukünftige Forschung weiter die Fähigkeiten ihrer autonomen Wahrnehmung und Bewegungsstrategien erkunden, was erhebliche Auswirkungen auf die Robotik und die Mensch-Roboter-Kollaboration haben wird.