Sony యొక్క Ace రోబోట్ ఉన్నత స్థాయి మానవ క్రీడాకారులను ఎదుర్కొంది

Gizmodo నివేదిక ప్రకారం, Sony AI పరిశోధకులు Ace అనే స్వయంచాలక టేబుల్ టెన్నిస్ రోబోట్‌ను అభివృద్ధి చేశారు; తాజా అధ్యయనం ప్రకారం ఇది అధికారిక నియమాల కింద అత్యంత నైపుణ్యం గల మానవ క్రీడాకారులతో పోటీ పడగలదు. ఈ వ్యవస్థ ఉన్నత స్థాయి క్రీడాకారులపై ఐదు మ్యాచ్‌లలో మూడింటిని గెలిచింది, అయితే ప్రొఫెషనల్ క్రీడాకారులు Minami Ando మరియు Kakeru Sone ఇద్దరిపై మాత్రం ఓడిపోయింది.

టేబుల్ టెన్నిస్ physical AIకి ఒక కఠినమైన పరీక్ష కావడం వల్ల ఈ అధ్యయనం ప్రాధాన్యాన్ని సంతరించుకుంది. రోబోట్ బంతిని గుర్తించాలి, అసంపూర్తి సెన్సార్ డేటా నుండి దాని పథాన్ని అంచనా వేయాలి, వేగంగా కదలాలి, high-speed మరియు high-spin షాట్లను తిరిగి పంపాలి, మరియు ప్రత్యర్థికి అనుగుణంగా real timeలో మార్పులు చేసుకోవాలి. ఇది simulated లేదా పూర్తిగా digital వాతావరణాల్లో పనిచేసే software-only AI వ్యవస్థలకు భిన్నం.

మానవ-రోబోట్ పరస్పర చర్యకు కఠినమైన పరీక్ష

ప్రధాన రచయిత Peter Durr Gizmodoతో మాట్లాడుతూ, సంక్లిష్టమైన real-time interactive పనులను చేయగల physical AI agents సామర్థ్యాన్ని Ace ప్రదర్శిస్తుందని చెప్పారు. మూల పాఠ్యంలో పరిశోధకులు International Table Tennis Federation నియమాలు మరియు licensed umpires‌ను ఉపయోగించినట్లు పేర్కొంది, దాంతో ఈ మూల్యాంకనం కేవలం laboratory demonstration కంటే ఎక్కువ నిర్మాణబద్ధంగా మారింది.

రోబోట్ కనీసం 10 ఏళ్ల ఆట అనుభవం కలిగి, సగటున వారానికి సుమారు 20 గంటలు సాధన చేసే ఐదు ఉన్నత స్థాయి క్రీడాకారులను ఎదుర్కొంది. Ace జపాన్‌లోని professional table tennis leagueలో చురుకుగా ఉన్న ఇద్దరు ప్రొఫెషనల్ క్రీడాకారులతో కూడా ఆడింది. అది ఒక ప్రొఫెషనల్ క్రీడాకారుడిపై ఒక game గెలిచింది, కానీ ఏ professional match‌నూ గెలవలేదు.

  • Ace ఉన్నత స్థాయి nonprofessional క్రీడాకారులపై ఐదు మ్యాచ్‌లలో మూడింటిని గెలిచింది.
  • రోబోట్ ఇద్దరు ప్రొఫెషనల్ క్రీడాకారులపై ఓడిపోయింది.
  • అధ్యయనంలో ITTF నియమాలు మరియు licensed umpires ఉపయోగించారు.
  • మూల పాఠ్యం ప్రకారం, వ్యవస్థ నిరంతరం high-speed, high-spin బంతులను serve మరియు return చేసింది.

దీని విస్తృత ప్రాధాన్యం రోబోలు త్వరలో క్రీడలను ఆధిపత్యం చేస్తాయని కాదు. వేగవంతమైన, ఖచ్చితమైన, అనుకూలనీయమైన physical interaction మరింత సామర్థ్యవంతంగా మారుతోందన్నదే అసలు అంశం. Ace వంటి వ్యవస్థలు timing, perception, మరియు మనుషులతో సురక్షిత పరస్పర చర్య అవసరమైన ప్రాంతాల్లో భవిష్యత్ robotics‌కు మార్గనిర్దేశం చేయవచ్చు.

ఈ వ్యాసం Gizmodo నివేదిక ఆధారంగా ఉంది. మూల వ్యాసాన్ని చదవండి.

Originally published on gizmodo.com