Un robot humanoide aprende a jugar al tenis con una destreza sorprendente

Investigadores en China han desarrollado un sistema de Inteligencia Artificial (IA) para enseñar a los robots humanoides a jugar al tenis mucho mejor que los modelos anteriores. Su enfoque utiliza datos imperfectos y fragmentarios sobre el movimiento humano, que reducen la dificultad del proceso de aprendizaje y mejoran los resultados.

Un estudio publicado en arXiv presentó LATENT, un sistema que permite enseñar habilidades de tenis a un robot humanoide a partir de datos humanos imperfectos, en lugar de depender de registros exactos y completos de partidos reales. El robot es capaz de devolver pelotas, encadenar intercambios de varios golpes y moverse con una naturalidad inusual en el campo de la robótica tradicional.

Desarrollado por un equipo de investigadores en China, la clave del enfoque y la razón de su éxito están en cambiar la manera de entrenar a la máquina. En vez de exigir secuencias perfectas de movimiento humano, el sistema de IA utiliza fragmentos de acciones sencillas o primitivas del tenis, como golpes de derecha y revés, desplazamientos laterales y pasos cruzados.

La clave son los datos imperfectos sobre el movimiento humano

Según informa TechXplore, esa estrategia reduce de forma considerable la dificultad de agrupar datos, porque los fragmentos más “reales”, aunque imperfectos, aún aportan información útil sobre habilidades humanas básicas en contextos deportivos.

Los especialistas obtuvieron cinco horas de fragmentos de habilidades básicas de tenis mediante un sistema compacto de captura de movimientos, y luego construyeron un espacio de acciones latentes y corregible, para que el robot humanoide pudiera ajustar y combinar esos movimientos con mayor eficacia.

Posteriormente aplicaron aprendizaje por refuerzo y simulaciones, antes de transferir el esquema al mundo real en un robot Unitree G1. Un aspecto crucial es que diseñaron mecanismos para una transferencia verdaderamente realista, para que lo aprendido en simulación funcionara fuera del laboratorio.

El resultado llama la atención porque no se limita a movimientos aislados. En pruebas sobre una cancha real, el robot fue capaz de sostener peloteos de varios golpes con jugadores humanos, usando tanto golpes de derecha como de revés y adaptándose a distintas zonas de la pista.

Una nueva alternativa en robótica deportiva

El equipo evaluó el desempeño con 10.000 pruebas y comparó el sistema con métodos anteriores, hallando mejoras en cuanto a tasa de éxito, precisión y naturalidad del movimiento. En su mejor desempeño, LATENT alcanzó una tasa de éxito del 96,5 %, definida como la proporción de intentos en los que el robot devolvió la pelota a menos de 2,5 metros del objetivo.

Sin embargo, el sistema aún depende de capturas de movimientos para su despliegue en el mundo real: los autores sugieren que al incorporar visión activa podrían aliviar esa restricción y hacer que el robot humanoide sea más independiente en su juego.

Además, el escenario ensayado sigue siendo distinto de un verdadero partido de tenis, ya que el robot devuelve las pelotas a ubicaciones objetivo, en lugar de competir en un intercambio deportivo completo contra otro jugador. A pesar de estas limitaciones, el estudio abre una nueva posibilidad en el uso de datos imperfectos, para enseñar a robots humanoides habilidades atléticas complejas y lograr resultados más reales.