Robotarm leert tafeltennissen door kunst van mensen af te kijken

Wetenschappers hebben een robotarm ontwikkeld die kan leren tafeltennissen door met mensen te spelen en door ‘ervaring’ op te doen er ook steeds beter in wordt.

Duitse wetenschappers ontwikkelden een robotarm en hingen deze boven een tafeltennistafel. Vervolgens werden er ballen op de arm afgevuurd. Een onderzoeker pakte de robotarm en sloeg met deze arm de ballen terug. Zo leerde de robotarm 25 bewegingen waarmee een tafeltennisbal kan worden teruggeslagen.

Trainen
In eerste instantie is de robot zo al in staat om 69 procent van de (niet al te lastige) ballen terug te slaan. Maar de onderzoekers willen dat percentage natuurlijk opkrikken. Om dat te doen moet de robot – net als wij mensen – trainen. Simpelweg door met andere mensen te spelen. En dat werkte: hoe langer de robot speelde, hoe beter hij werd. Na een uurtje speelde hij al 88 procent van de ballen goed terug.

Hoe kan dat?
De robot was door het eerdere werk van de onderzoekers al voorzien van een aantal basisslagen. Natuurlijk kon hij daarmee maar op een beperkt aantal ballen reageren. Soms viel een bal heel anders. De robot reageerde daarop door te improviseren en enkele van de 25 slagen te combineren en zo een nieuwe slag toe te passen. De database met slagen groeide zo gestaag en dus had de robot op steeds meer ballen een passend antwoord.

Goede vraag!

Leiden robots tot desocialisering? Lees er hier alles over!

Spelletje
De robot leerde dus door het gewoon te doen en de kunst van mensen af te kijken. “Uiteindelijk was het systeem in staat om een tafeltennisspel tegen een menselijke tegenstander te spelen,” zo schrijven de onderzoekers in hun paper.

Hoewel dit natuurlijk maar een spelletje is, is de techniek erachter bijzonder waardevol. De wetenschap is al lang op zoek naar een manier om robots door interactie met mensen nieuwe dingen te laten leren. Velen zien het als een eigenschap die robots moeten bezitten, willen ze op een gegeven moment hun plekje in deze wereld innemen. Zulke robots kunnen zich namelijk blijven ontwikkelen en raken dus ook niet zo snel verouderd. Stelt u zich voor dat robots straks in fabrieken zij aan zij werken met mensen: dan moeten zij flexibel zijn en kunnen inspelen op bijvoorbeeld een nieuw beleid of een andere manier van werken, zonder dat daarvoor hun hardware hoeft te worden herzien.

Bronmateriaal

"Learning to Select and Generalize Striking Movements in Robot Table Tennis" - Utexas.edu
De foto bovenaan dit artikel is gemaakt door idleformat (cc via Flickr.com).

Fout gevonden?

Voor jou geselecteerd