- PingpongDuo adalah sistem yang mengkoordinasikan robot humanoid untuk bermain tenis meja ganda.
- Sistem ini menggabungkan kecerdasan buatan dan pembelajaran gerakan, mengatasi masalah risiko tabrakan dan akurasi pukulan.
- Robot dapat terus bermain lebih dari sepuluh ronde dalam situasi bergantian memukul.
- Strategi optimasi lengan pemukul yang dikembangkan oleh peneliti meningkatkan tingkat keberhasilan pukulan kembali.
Para peneliti telah mengembangkan PingpongDuo, sebuah kerangka mekanis yang memungkinkan robot humanoid untuk bermain tenis meja ganda melalui koordinasi gerakan dan bergantian memukul bola. Sistem ini mengatasi tantangan berbagi ruang terbatas, repositioning cepat, menjaga akurasi pukulan, serta menghindari tabrakan antar rekan satu tim. Sistem ini menggabungkan penentuan posisi yang terkoordinasi, pembelajaran gerakan, dan keterampilan kontrol pemukul, membantu robot bekerja sama dalam menghadapi perubahan jalur bola. Dalam eksperimen, kerangka ini meningkatkan kinerja pukulan kembali dalam simulasi. Hasil menunjukkan bahwa dua robot humanoid dapat terus melakukan rally yang berkelanjutan sambil mengikuti aturan bergantian memukul yang ketat yang diperlukan dalam permainan ganda.
Fitur Sistem PingpongDuo
Para peneliti dari University of Hong Kong, Shanghai Innovation Institute, Archon Robotics, dan NVIDIA telah bersama-sama mengembangkan PingpongDuo, sebuah kerangka kontrol yang memungkinkan dua robot humanoid untuk bermain tenis meja ganda dengan koordinasi gerakan dan bergantian memukul. Sistem ini menggabungkan kecerdasan buatan, pembelajaran gerakan, dan penilaian risiko, membantu robot dalam memukul bola, membersihkan ruang rekan satu tim, dan repositioning untuk memudahkan pukulan kembali, serta menghindari tabrakan. Berbeda dengan sistem tenis meja humanoid tradisional yang dirancang untuk permainan individu, PingpongDuo mengkoordinasikan dua robot untuk beroperasi dalam ruang terbatas di satu sisi meja tenis meja.
Setiap robot harus bergantian memukul dengan ketat, menjauh dari area pemukulan tengah setelah memukul, sementara rekan satu tim bersiap untuk memukul bola berikutnya.
Kerangka ini menggunakan sistem kontrol berlapis, menggabungkan penentuan posisi tingkat tim dan keterampilan gerakan serta pemukulan individu. Di tingkat tim, perencana memilih target posisi untuk kedua robot. Penilai risiko yang dipelajari mengevaluasi risiko tabrakan dari tindakan potensial, termasuk tabrakan tangan, kaki, dan tubuh. Filter keamanan menyesuaikan rencana posisi yang memiliki risiko lebih tinggi, sambil memprioritaskan robot yang siap memukul untuk membantu menjaga kemampuannya dalam melakukan pukulan kembali. Di tingkat individu, sistem menggunakan berbagai strategi kecerdasan buatan untuk kontrol langkah dan pemukul. Para peneliti memanfaatkan video permainan ganda tenis meja manusia untuk melatih strategi gerakan, menciptakan perpustakaan sekitar 200 urutan langkah yang mencakup berbagai jarak gerakan.
Strategi Gerakan dan Pembersihan Robot
Robot belajar untuk bertransisi antara memukul, membersihkan ruang, kembali, dan menunggu. Dengan memanfaatkan posisi dan gerakan tubuh yang dihasilkan oleh lawan untuk melatih setiap keterampilan, robot dapat bereaksi terhadap bola baru tanpa harus kembali ke posisi standar terlebih dahulu.
Para peneliti juga mengembangkan strategi optimasi lengan pemukul untuk meningkatkan pukulan kembali setelah gerakan cepat. Strategi ini menyesuaikan tujuh sendi lengan berdasarkan kondisi saat ini dari robot serta posisi dan kecepatan bola yang diperkirakan. Untuk melatih komponen ini, tim menggunakan data pengukuran nyata dari penerbangan bola, pantulan di meja, dan kontak pemukul untuk mengkalibrasi simulator fisik. Model akhir memungkinkan sistem untuk belajar bagaimana variasi gerakan pemukul mempengaruhi apakah bola melewati net dan jatuh di sisi lawan. Dalam simulasi, tingkat keberhasilan pukulan kembali PingpongDuo meningkat sebesar 13,2% dibandingkan dengan tolok ukur yang paling maju.
Para peneliti melaporkan bahwa kesalahan penentuan posisi selama proses pembersihan sekitar 2 cm. Dalam eksperimen nyata, dua robot humanoid Unitree G1 berhasil menyelesaikan lebih dari 10 pukulan bergantian. Salah satu robot juga menyelesaikan siklus pembersihan dan pemulihan sejauh 2,15 meter dalam waktu 2,4 detik, mencapai kecepatan puncak 2,23 meter per detik. Para peneliti mencatat bahwa sistem saat ini bergantung pada perangkat penangkap gerakan eksternal dan belum mempertimbangkan rotasi bola. Pekerjaan di masa depan akan meneliti persepsi internal robot, estimasi rotasi, serta strategi serangan dan pertahanan otonom.
Terobosan dan Tantangan Teknologi Kolaborasi Pemukulan
Pengembangan PingpongDuo menunjukkan potensi robot humanoid dalam gerakan kolaboratif, terutama dalam aplikasi di ruang terbatas. Teknologi ini tidak hanya dapat meningkatkan kinerja pukulan robot, tetapi juga secara efektif mengatasi masalah tabrakan, yang jarang terjadi dalam sistem individu sebelumnya. Dengan kemampuan robot untuk secara otomatis beradaptasi dengan gerakan lawan, penelitian di masa depan akan lebih mengeksplorasi kemampuan persepsi otonom dan strategi gerakan, yang akan memiliki dampak signifikan pada bidang kinematika robot dan kolaborasi manusia-robot.