- PingpongDuo es un sistema que coordina robots humanoides para jugar al ping-pong en dobles.
- El sistema combina inteligencia artificial y aprendizaje de movimientos, abordando problemas de riesgo de colisión y precisión en los golpes.
- Los robots pueden mantener más de diez intercambios continuos mientras golpean alternativamente.
- La estrategia de optimización del brazo de la raqueta desarrollada por los investigadores mejora la tasa de éxito de los golpes.
Investigadores han desarrollado PingpongDuo, un marco mecánico que permite a los robots humanoides jugar al ping-pong en dobles mediante la coordinación de movimientos y golpes alternos. Este sistema aborda los desafíos de compartir un espacio limitado, reposicionarse rápidamente, mantener la precisión en los golpes y evitar colisiones entre compañeros de equipo. Combina posicionamiento coordinado, aprendizaje de movimientos y habilidades de control de raquetas, ayudando a los robots a trabajar en conjunto al enfrentar trayectorias de pelota cambiantes. En experimentos, el marco mejoró el rendimiento de los golpes en simulaciones. Los resultados muestran que dos robots humanoides pueden mantener un intercambio continuo mientras siguen estrictamente las reglas de golpeo alterno requeridas en dobles.
Características del sistema PingpongDuo
Investigadores de la Universidad de Hong Kong, el Instituto de Innovación de Shanghái, Archon Robotics y NVIDIA han desarrollado conjuntamente PingpongDuo, un marco de control que permite a dos robots humanoides jugar al ping-pong en dobles mediante la coordinación de movimientos y golpes alternos. Este sistema combina inteligencia artificial, aprendizaje de movimientos y evaluación de riesgos, ayudando a los robots a golpear, despejar el espacio de sus compañeros y reposicionarse para facilitar los golpes posteriores, evitando colisiones. A diferencia de los sistemas de ping-pong humanoide tradicionales diseñados para competiciones individuales, PingpongDuo coordina a dos robots para operar en el espacio limitado de un lado de la mesa de ping-pong.
Cada robot debe golpear alternativamente, moviéndose fuera del área central de golpeo después de golpear, mientras su compañero se prepara para devolver el siguiente golpe.
El marco utiliza un sistema de control jerárquico que combina el posicionamiento a nivel de equipo con habilidades individuales de movimiento y golpeo. A nivel de equipo, el planificador elige los objetivos de posicionamiento para los dos robots. Un evaluador de riesgos aprende a evaluar el riesgo de colisión de acciones potenciales, incluyendo colisiones de manos, pies y cuerpos. Un filtro de seguridad ajusta los planes de posicionamiento de mayor riesgo, priorizando al robot que se prepara para golpear, para ayudar a mantener su capacidad de devolver la pelota. A nivel individual, el sistema utiliza diferentes estrategias de inteligencia artificial para el control de pies y raquetas. Los investigadores utilizaron imágenes de dobles de ping-pong humano para entrenar estrategias de movimiento, creando una biblioteca de aproximadamente 200 secuencias de pasos que cubren diferentes distancias de movimiento.
Estrategias de movimiento y despeje de los robots
Los robots aprenden a transitar entre golpear, despejar el espacio, recuperarse y esperar. Utilizando la postura corporal y los movimientos generados por el oponente para entrenar cada habilidad, los robots pueden reaccionar ante nuevas pelotas sin necesidad de regresar a una postura estándar primero.
Los investigadores también desarrollaron una estrategia de optimización del brazo de la raqueta para mejorar los golpes después de movimientos rápidos. Esta estrategia ajusta siete articulaciones del brazo según el estado actual del robot y la posición y velocidad estimadas de la pelota. Para entrenar este componente, el equipo utilizó datos de medición de la trayectoria de la pelota, el rebote en la mesa y el contacto con la raqueta para calibrar el simulador físico. El modelo final permite al sistema aprender cómo los cambios en el movimiento de la raqueta afectan si la pelota cruza la red y cae en el lado del oponente. En simulaciones, la tasa de éxito de los golpes de PingpongDuo mejoró en un 13.2% en comparación con los estándares más avanzados.
Los investigadores informaron que el error de posicionamiento durante el proceso de despeje es de aproximadamente 2 centímetros. En experimentos reales, dos robots humanoides Unitree G1 completaron más de 10 golpes alternos de manera continua. Un robot también completó un ciclo de despeje y recuperación de 2.15 metros en 2.4 segundos, alcanzando una velocidad máxima de 2.23 metros por segundo. Los investigadores señalaron que el sistema actual depende de dispositivos de captura de movimiento externos y no ha considerado la rotación de la pelota. El trabajo futuro explorará la percepción interna de los robots, la estimación de rotación y las estrategias de ataque y defensa autónomas.
Avances y desafíos en la tecnología de juego colaborativo
El desarrollo de PingpongDuo demuestra el potencial de los robots humanoides en movimientos colaborativos, especialmente en aplicaciones en espacios limitados. Esta tecnología no solo puede mejorar el rendimiento de los golpes de los robots, sino que también aborda eficazmente los problemas de colisión, que no son comunes en sistemas unipersonales anteriores. A medida que los robots pueden adaptarse automáticamente a los movimientos del oponente, futuras investigaciones explorarán aún más su capacidad de percepción autónoma y estrategias de movimiento, lo que tendrá un impacto significativo en el campo de la cinemática robótica y la colaboración humano-robot.