Ako sa roboty učia porážať ľudí v športe

Prichádza robotický športovec

Stroje desaťročia dominovali ľuďom v stolových a videohrách. Šach padol v roku 1997, Go v roku 2016 a StarCraft v roku 2019. Fyzické športy – kde sa stretávajú milisekundové reflexy, nepredvídateľní súperi a fyzika reálneho sveta – zostali hranicou, ktorú roboty nemohli prekročiť. Táto bariéra sa rúca.

Robot Ace od Sony AI, opísaný v štúdii v časopise Nature z roku 2026, sa stal prvým autonómnym strojom, ktorý porazil hráčov stolného tenisu na elitnej úrovni podľa oficiálnych pravidiel Medzinárodnej federácie stolného tenisu. Vlastný systém stolného tenisu od Google DeepMind dosiahol v roku 2024 amatérsko-súťažnú úroveň. Bipedálne roboty sa naučili agilný futbal. Vek robotického športovca už nie je sci-fi.

Posilňovacie učenie: Pokus, omyl, majstrovstvo

Základnou technikou robotických športovcov je posilňovacie učenie (RL). Namiesto programovania každého možného pohybu nechajú inžinieri robota učiť sa tým, že to robí – vyskúša akciu, pozoruje výsledok a upravuje sa. Po miliónoch simulovaných výmen alebo kopov objaví AI stratégie, ktoré by žiadneho ľudského inžiniera nenapadlo naprogramovať.

Ace od Sony trénoval svoju riadiacu politiku v simulácii presnej fyziky a potom preniesol tieto zručnosti na fyzického robota – proces, ktorý výskumníci nazývajú prenos zo simulácie do reality (sim-to-real transfer). Agent trénoval proti syntetickým súperom inicializovaným z nahrávaného ľudského hrania, čo mu umožnilo internalizovať komplexné správanie predtým, ako sa vôbec dotkol skutočnej loptičky.

Google DeepMind zvolil podobný dvojfázový prístup: najprv simulácia pre základy, potom doladenie pomocou údajov z reálneho sveta, aby sa robot mohol prispôsobiť chaotickej realite skutočnej hry. Oba tímy použili hierarchické architektúry – riadiaca jednotka na vysokej úrovni vyberá stratégiu (topspin, slice, umiestnenie), zatiaľ čo riadiaca jednotka na nízkej úrovni vykonáva presné motorické príkazy.

Vidieť rýchlejšie ako ľudia

Fyzické športy si vyžadujú vnímanie nadľudskou rýchlosťou. Loptička na stolný tenis preletí cez stôl približne za 300 milisekúnd. Riešenie Ace kombinuje deväť synchronizovaných kamier založených na snímkach s tromi senzormi videnia založenými na udalostiach – špecializovanými čipmi, ktoré detekujú zmeny svetla v mikrosekundovom rozlíšení namiesto zachytávania celých snímok. To umožňuje systému sledovať loptičku pri 200 Hz s milimetrovou presnosťou a merať rotáciu až 700-krát za sekundu.

Výsledok: latencia od vnímania po akciu je len 20,2 milisekúnd, v porovnaní s približne 230 milisekundami u elitného ľudského hráča. Robot nielenže reaguje rýchlejšie – číta rotáciu, ktorú ľudské oči ťažko detekujú, a úspešne vracia viac ako 75 % rotujúcich loptičiek pri rýchlosti až 450 radiánov za sekundu.

Za hranicami stolného tenisu

Stolný tenis je benchmark, nie cieľ. Humanoidné roboty OP3 od DeepMind sa naučili agilný futbal – driblovanie, bránenie a zotavovanie sa z pádov – pomocou hlbokého RL. Juhokórejský tím postavil curlingového robota, ktorý vyhral tri zo štyroch oficiálnych zápasov proti skúseným ľudským tímom tým, že sa v reálnom čase prispôsoboval meniacim sa podmienkam ľadu. Séria robotov CUE od Toyoty strieľa basketbalové trestné hody s takmer dokonalou presnosťou.

Každý šport predstavuje jedinečnú výzvu: futbal si vyžaduje rovnováhu celého tela, curling si vyžaduje strategické plánovanie počas viacerých kôl a basketbal potrebuje presnú kalibráciu sily. Spolu dokazujú, že rovnaké princípy RL sa dajú zovšeobecniť na rôzne fyzické domény.

Prečo na tom záleží aj mimo ihriska

Robotickí športovci nie sú stavaní na to, aby nahradili ľudské športy. Sú to testovacie prostredia pre AI v reálnom svete. Rovnaké rýchle vnímanie, adaptívne riadenie a bezpečná interakcia s ľuďmi, ktoré umožňujú robotovi vrátiť topspinový servis, by mohli pomôcť robotovi v sklade manipulovať s krehkými balíkmi, chirurgickému asistentovi reagovať na neočakávané krvácanie alebo domácemu robotovi zachytiť padajúci pohár.

Peter Stone, hlavný vedec spoločnosti Sony AI, nazval Ace „úplne prvou ukážkou konkurenčnej hry na úrovni ľudského experta v reálnom svete v akomkoľvek športe.“ Výskumníci z DeepMind zopakovali tento bod: ich práca v stolnom tenise je krokom k robotom, ktorí „vykonávajú užitočné úlohy zručne a bezpečne“ v domácnostiach a na pracoviskách.

Rozdiel medzi robotom a profesionálnym športovcom zostáva reálny – Ace prehral oba zápasy proti špičkovým profesionálnym hráčom. Trajektória je však jasná: každá generácia sa učí rýchlejšie, vníma viac a prispôsobuje sa lepšie. Robotický športovec sa nehrá len hry – učí sa, ako sa orientovať vo fyzickom svete.