Os esportes têm se mostrado um importante campo de teste para robôs. Se os robôs forem capazes de entender e replicar as complexidades envolvidas na prática esportiva humana, eles poderão se aproximar do funcionamento dos seus criadores.
Nesse contexto de esportes e robótica, o laboratório de inteligência artificial do Google, DeepMind, fez um avanço significativo. Em um estudo intitulado “Achieve Human Level Competitive Robot Table Tennis”, a equipe de IA demonstrou o desenvolvimento de um robô jogador de tênis de mesa com habilidades comparáveis às de um ser humano, capaz de competir com amadores.
Durante os testes, o robô conseguiu vencer todos os jogadores iniciantes que enfrentou e conquistou 55% das partidas contra jogadores intermediários. No entanto, o robô ainda não está pronto para competir com profissionais, tendo perdido todas as partidas contra jogadores avançados. No total, o robô venceu 45% dos 29 jogos disputados.
Desde a década de 1980, o tênis de mesa robótico tem sido uma referência para esse tipo de pesquisa. O robô precisa dominar tanto habilidades básicas, como devolver a bola, quanto habilidades avançadas, como criar estratégias e planejar a longo prazo.
“Este é o primeiro robô capaz de competir em um esporte com humanos no nível humano e marca um importante avanço na aprendizagem e controle de robôs”, afirma o artigo. “No entanto, ainda é um pequeno passo em direção ao objetivo de longo prazo na robótica de alcançar um desempenho humano em várias habilidades úteis do mundo real. Muito trabalho é necessário para alcançar consistentemente um desempenho em nível humano em tarefas específicas e, além disso, para desenvolver robôs generalistas capazes de realizar diversas tarefas úteis e interagir de forma segura com humanos no mundo real.”
A maior limitação do sistema é sua capacidade de reagir às bolas rápidas. O DeepMind sugere que as principais razões para isso são a latência do sistema, a necessidade de redefinições obrigatórias entre os lances e a falta de dados úteis.
Outras questões exploráveis no sistema são bolas altas e baixas, backhand e a capacidade de ler o efeito em uma bola que se aproxima.
Quanto a como tal pesquisa poderia afetar a robótica além da utilidade muito limitada do tênis de mesa, o DeepMind cita arquitetura de políticas, seu uso de simulação para operar em jogos reais, e sua capacidade de adaptar sua estratégia em tempo real.
Fonte: Revista Exame