Por que isso é importante: A empresa de IA do Google, DeepMind, desenvolveu um braço robótico que pode competir com os melhores jogadores de tênis de mesa amadores. Ele pode lidar com backhands, forehands, uma quantidade razoável de spin – e até mesmo tacadas que roçam a rede – tudo com agilidade notável.
Em um artigo de pesquisa recente, a subsidiária do Google DeepMind revelou que seu remo robô venceu oponentes amadores em partidas completas de tênis de mesa em 13 de 29 jogos. É verdade que ele ainda não consegue competir com os verdadeiros profissionais, mas ser capaz de atingir o nível de habilidade amador é um feito impressionante para um sistema de IA, no entanto.
A MIT Technology Review observou que os jogadores humanos que jogaram contra o robô gostaram das partidas. Eles disseram que foi um desafio envolvente que pode ajudar a elevar seus jogos como um parceiro de treino. O vídeo mostra o robô habilmente lidando com voleios e estilos de jogo diversos. Ele até parece “pular” como um humano durante um jogo particularmente intenso, mesmo que não tenha pernas.
“Mesmo alguns meses atrás, projetamos que realisticamente o robô poderia não ser capaz de vencer pessoas com as quais não tinha jogado antes”, disse Pannag Sanketi, o engenheiro da DeepMind que foi pioneiro no projeto. “O sistema certamente excedeu nossas expectativas. A maneira como o robô superou até mesmo oponentes fortes foi alucinante.”
A DeepMind usou uma abordagem dupla para ensinar seu autômato de pingue-pongue. Primeiro, ele fez o sistema dominar seus talentos de rebatida por meio de simulações de computador que imitavam física e jogabilidade realistas de tênis de mesa. Então, a equipe ajustou essas habilidades fazendo com que ele aprendesse com dados do mundo real.
Durante os jogos ao vivo, o robô usa um par de câmeras para rastrear o posicionamento da bola. Ele também usa tecnologia de captura de movimento para rastrear os movimentos do oponente humano por meio de uma raquete equipada com LED para ajudar a identificá-los e seu estilo de jogo. Todas essas informações são coletadas e realimentadas nas simulações, melhorando constantemente as táticas por meio de um loop de feedback contínuo. Em outras palavras, ele fica melhor quanto mais jogos ele joga.
O sistema tem algumas limitações, no entanto. O robô teve dificuldades para retornar tacadas extremamente rápidas, bolas muito longe da mesa ou skidders baixos. Ele também teve dificuldades contra jogadores que conseguiam dar um giro excepcionalmente bom na bola, já que ele não consegue medir a rotação da bola — pelo menos não ainda. A DeepMind acha que a modelagem preditiva de IA atualizada e a detecção de colisão mais inteligente podem ajudar a resolver esses problemas.
Parece um projeto divertido com pouca aplicação prática. No entanto, o relatório observa que ele representa um passo importante para tornar a IA capaz de executar tarefas físicas complexas com segurança em ambientes naturais como casas ou armazéns.
