UN ROBOT HUMANOIDE APRENDE A ELEGIR ADÓNDE APUNTAR

Un buen jugador de tenis de mesa hace dos cosas a la vez. Ejecuta: mueve todo el cuerpo para poner la pelota donde quiere. Y decide: elige el punto que pondrá en apuros al rival. Una devolución puede ser precisa pero fácil de alcanzar, o astuta pero demasiado difícil de ejecutar. Cuando un robot aprende ambas cosas a la vez, es difícil saber cuál le hace ganar.

Un equipo de la Universidad de Zhejiang, la Universidad Tsinghua, la Universidad Tongji, la Universidad Oceánica de China, el Instituto de Innovación de Shanghái y RoboParty Lab decidió separarlas. El vínculo entre ambas es un único par de números: el punto de la mesa donde debe caer la pelota.

Un cuerpo que golpea donde se le dice

El robot es un humanoide Unitree G1, con 29 articulaciones motorizadas. Un sistema de seguimiento externo sigue la pelota 100 veces por segundo.

Cuando llega una pelota, un planificador basado en la física calcula qué debe hacer la pala (posición, velocidad y ángulo en el impacto) para enviar la pelota al punto de bote pedido, teniendo en cuenta la gravedad, la resistencia del aire, el bote y la red. Después, una red neuronal convierte ese plan en órdenes para todo el cuerpo, 50 veces por segundo.

El entrenamiento tiene lugar en tres etapas, en simulación:

1. Aprender a golpear. El robot practica con pelotas lanzadas de una forma fija, apuntando a puntos de bote elegidos al azar.
2. Aprender a pelotear. Dos robots simulados juegan entre sí. Las pelotas ahora vienen de los golpes de un rival real, pero los objetivos siguen siendo aleatorios: todavía no hay táctica.
3. Aprender a jugar. El control de todo el cuerpo se congela. Una segunda red, independiente, aprende solo a elegir una de nueve zonas de la mesa, a partir de la trayectoria reciente de la pelota, su propia posición, la del rival y su objetivo anterior. Recibe una recompensa por ganar puntos, sin ninguna regla táctica escrita a mano.

Preciso primero, más listo después

En simulación, el 99,2 % de las devoluciones fueron válidas, y el 94,3 % de ellas cayó a menos de 30 centímetros del punto pedido, con un error medio de 15 centímetros. Practicar en peloteos hizo los golpes más precisos y más a menudo válidos que la misma cantidad de entrenamiento adicional con pelotas predefinidas.

Luego llegó la prueba clave. Todos los jugadores usaban exactamente el mismo cuerpo congelado, de modo que solo cambiaba la elección del objetivo. La estrategia aprendida ganó:

• el 89 % de los puntos contra un jugador que siempre apunta al centro;
• el 82 % contra uno que apunta al azar;
• el 73 % contra uno que siempre apunta lo más lejos posible del rival.

No se limitó a encontrar unos cuantos puntos buenos. Desplazaba su objetivo lejos de donde estaba el rival, y lejos de donde había enviado la pelota anterior.

Tres juegos contra un humano

En un G1 real, con el mismo cuerpo congelado y la posición del humano captada por seguimiento de movimiento, el robot jugó tres juegos a 11 contra el mismo jugador aficionado. Ganó 11-4, 11-6 y 11-9, con peloteos de varios golpes y devoluciones tanto de derecha como de revés.

Todavía no está para el club

Los autores enumeran lo que falta. El robot depende de un sistema externo de seguimiento de la pelota y de captura de movimiento, no de sus propios ojos. El modelo de la pelota ignora el efecto. Nueve zonas limitan su táctica, solo ve al rival como una posición en el suelo y saca siempre al mismo punto. Y todos sus partidos reales fueron contra un único aficionado. Su idea de fondo es una regla de diseño: mantener fijo el significado del objetivo mientras el cuerpo que hay debajo sigue aprendiendo.