Jak se roboti učí porážet lidi ve sportu

Robotický sportovec dorazil

Stroje po desetiletí dominovaly lidem v deskových a video hrách. Šachy padly v roce 1997, Go v roce 2016 a StarCraft v roce 2019. Fyzické sporty – kde se střetávají milisekundové reflexy, nepředvídatelní soupeři a fyzika reálného světa – zůstávaly hranicí, kterou roboti nemohli překročit. Tato bariéra se hroutí.

Robot Ace od Sony AI, popsaný v článku v časopise Nature z roku 2026, se stal prvním autonomním strojem, který porazil špičkové hráče stolního tenisu podle oficiálních pravidel Mezinárodní federace stolního tenisu. Vlastní systém stolního tenisu od Google DeepMind dosáhl v roce 2024 amatérsko-soutěžní úrovně. Bipedální roboti se naučili agilnímu fotbalu. Věk robotických sportovců už není sci-fi.

Posilování učením: Pokus, omyl, mistrovství

Základní technikou robotických sportovců je posilování učením (RL). Místo programování každého možného pohybu nechají inženýři robota učit se praxí – vyzkoušet akci, pozorovat výsledek a upravit se. Během milionů simulovaných výměn nebo kopů objeví AI strategie, které by žádného lidského inženýra nenapadlo naprogramovat.

Ace od Sony trénoval svou řídicí politiku uvnitř fyzikálně přesné simulace a poté přenesl tyto dovednosti na fyzického robota – proces, který výzkumníci nazývají přenos sim-to-real. Agent trénoval proti syntetickým soupeřům inicializovaným z nahrané lidské hry, což mu umožnilo internalizovat složité chování ještě předtím, než se dotkl skutečného míče.

Google DeepMind zvolil podobný dvoufázový přístup: simulace nejprve pro základy, poté doladění pomocí dat z reálného světa, aby se robot mohl přizpůsobit chaotické realitě skutečné hry. Oba týmy používaly hierarchické architektury – řídicí jednotka na vysoké úrovni vybírá strategii (horní rotace, řez, umístění), zatímco řídicí jednotka na nízké úrovni provádí přesné motorické příkazy.

Vidět rychleji než lidé

Fyzické sporty vyžadují vnímání nadlidskou rychlostí. Míček na stolní tenis přelétne stůl zhruba za 300 milisekund. Řešení Ace kombinuje devět synchronizovaných kamer založených na snímcích se třemi senzory vidění založenými na událostech – specializovanými čipy, které detekují změny světla v mikrosekundovém rozlišení, místo aby zachycovaly celé snímky. To umožňuje systému sledovat míč při 200 Hz s milimetrovou přesností a měřit rotaci až 700krát za sekundu.

Výsledkem je celková latence pouhých 20,2 milisekund od vnímání po akci, ve srovnání s přibližně 230 milisekundami u špičkového lidského hráče. Robot nejenže reaguje rychleji – čte rotaci, kterou lidské oči jen těžko detekují, a úspěšně vrací přes 75 % rotujících míčků až při 450 radiánech za sekundu.

Za hranice stolního tenisu

Stolní tenis je měřítko, nikoli cíl. Humanoidní roboti OP3 od DeepMind se naučili agilnímu fotbalu – driblování, bránění a zotavování se z pádů – pomocí hlubokého RL. Jihokorejský tým postavil curlingového robota, který vyhrál tři ze čtyř oficiálních zápasů proti zkušeným lidským týmům tím, že se v reálném čase přizpůsoboval měnícím se podmínkám ledu. Robotická série CUE od Toyoty střílí trestné hody v basketbalu s téměř dokonalou přesností.

Každý sport představuje jedinečnou výzvu: fotbal vyžaduje rovnováhu celého těla, curling vyžaduje strategické plánování v průběhu několika kol a basketbal potřebuje přesnou kalibraci síly. Dohromady dokazují, že stejné principy RL lze zobecnit napříč velmi odlišnými fyzickými doménami.

Proč na tom záleží i mimo hřiště

Robotští sportovci nejsou stavěni proto, aby nahradili lidské sporty. Jsou to testovací prostředí pro AI v reálném světě. Stejné rychlé vnímání, adaptivní řízení a bezpečná interakce s lidmi, které umožňují robotovi vrátit horní rotaci, by mohly pomoci skladovému robotovi manipulovat s křehkými balíčky, chirurgickému asistentovi reagovat na neočekávané krvácení nebo domácímu robotovi chytit padající sklenici.

Peter Stone, hlavní vědec Sony AI, nazval Ace „úplně prvním případem, kdy byla prokázána odborná úroveň konkurenční hry v reálném světě v jakémkoli sportu.“ Výzkumníci z DeepMind zopakovali tento bod: jejich práce se stolním tenisem je krokem k robotům, kteří „dovedně a bezpečně vykonávají užitečné úkoly“ v domácnostech a na pracovištích.

Propast mezi robotem a profesionálním sportovcem zůstává reálná – Ace prohrál oba své zápasy proti špičkovým profesionálním hráčům. Trajektorie je ale jasná: každá generace se učí rychleji, vnímá více a lépe se přizpůsobuje. Robotický sportovec nehraje jen hry – učí se, jak se orientovat ve fyzickém světě.