Sport hat schon immer als wichtiger Test für Roboter gedient. Ein bekanntes Beispiel dafür ist der jährliche RoboCup-Soccer-Wettbewerb, der bis in die Mitte der 1990er Jahre zurückreicht, sowie Tischtennis, das seit einem Jahrzehnt eine wichtige Rolle bei der Bewertung von Roboterarmen spielt. Der Sport erfordert Geschwindigkeit, Reaktionsfähigkeit und Strategie, unter anderem.
In einem neu veröffentlichten Papier mit dem Titel “Erreichen des menschenähnlichen Wettbewerbsniveaus im Tischtennis für Roboter” präsentiert das DeepMind-Robotikteam von Google seine Arbeit am Spiel. Die Forscher haben effektiv einen “solide amateurhaften Spieler auf menschlichem Niveau” entwickelt, der gegen einen menschlichen Gegner antritt.
Während der Tests konnte der Tischtennisroboter alle Anfängerspieler schlagen. Bei fortgeschrittenen Spielern gewann der Roboter jedoch nur 55% der Spiele. Der Roboter war jedoch noch nicht bereit, Profis herauszufordern, da er jedes Mal gegen einen fortgeschrittenen Spieler verlor. Insgesamt gewann das System 45% der 29 gespielten Spiele.
Roboter-Tischtennis dient bereits seit den 1980er Jahren als Benchmark für diese Art der Forschung. Der Roboter muss gut sein in niedrigen Fähigkeiten wie dem Rückspiel des Balls sowie in höheren Fähigkeiten wie der Strategiebildung und der langfristigen Planung zur Erreichung eines Ziels.
Das größte Manko des Systems besteht darin, dass es nicht schnell genug auf schnelle Bälle reagieren kann. DeepMind schlägt vor, fortgeschrittene Steuerungsalgorithmen und Hardware-Optimierungen zu untersuchen, um diese Probleme zu lösen. Weitere Schwachstellen des Systems sind hohe und niedrige Bälle, Rückhand und die Fähigkeit, den Spin eines eingehenden Balls zu erkennen.
Was die Auswirkungen solcher Forschung auf die Robotik über die begrenzte Nützlichkeit von Tischtennis hinaus betrifft, nennt DeepMind die Policy-Architektur, die Verwendung von Simulationen zur Durchführung von Spielen in Echtzeit und die Fähigkeit, die Strategie in Echtzeit anzupassen.