投不进球都是篮板的锅,这个用蒙特卡罗法做的篮板让你「百发百中」

2020 年 5 月 11 日 机器之心

机器之心报道

参与:张倩

喜欢投篮,但总也投不进,真是令人沮丧。 游戏里能借助各种方式开挂,现实里行得通吗? 国外的一位小哥表示,换个篮板就得了。


图上的这个篮板是一位名叫 Shane Wighton 的小哥做出来的。 上个月,他在 YouTube 上放出了这段视频,点击量已经超过 437 万。 从视频中可以看出,这个篮板几乎可以让你「百发百中」。

我们注意到,这块篮板和普通篮板长得不太一样。普通篮板都是平的,要想进球就得让球以合适的角度、速度打在某些特定的位置,非常需要技巧。但这块篮板是曲面的,而且弯曲的弧度经过了精密的计算,即使球技很差的人也能轻易进球。

这位小哥表示,做这么一个篮板是他一直以来的心愿,早就列入了「遗愿清单」(bucket list),只是最近刚好有空做了出来。

刚开始的想法非常简单,就是觉得要做一个「曲面」的篮板,让打在上面的球都能被弹到篮筐里,就像下边这张草图:


那么问题来了,这个弯曲的弧度怎么把握? 用什么方法算出来?

在现实生活中,有些问题是很难求解的,要么不可能,要么计算量过大。以「三体」问题为例,假如有三个天体,它们的质量、初始位置和初始速度都是任意的,那么它们之间在万有引力作用下的运动规律就很难准确地表示出来,因为其历史轨迹看起来就像一团乱麻。算不出天体运动轨迹也就制定不了历法,预测不了头顶几个太阳何时同时出现,遇上天灾分分钟灭绝,这也是三体人要侵占地球的原因。

同理,篮球击在篮板上的可能性似乎也有无数种,每次角度、速度、在篮板上的落点变化都会产生一种新的轨迹。作为一个娱乐项目,把每种可能都模拟出来显然是不现实的。也就是说,想做一块百发百中的篮板似乎不太可能。

在这种情况下,Wighton 专门做了一款软件,尽可能多地模拟投篮过程中的可能性。

他在篮球场的不同位置将球击在篮板的不同部位,然后根据每次投篮的结果修改篮板上相应点的角度,使得击到这个位置的篮球能够落到篮筐里。


在软件中将这一过程重复几千万次,使得篮板的形状越来越接近「百发百中」的目标,这就是蒙特卡罗方法的思想,但作者表示,「我不知道蒙特卡罗是谁」。


蒙特卡罗方法是一类广泛的计算算法,它依赖于重复随机抽样来获得数值结果,由 S.M. 乌拉姆和冯 · 诺伊曼首先提出。他们二人是 20 世纪 40 年代美国在第二次世界大战中研制原子弹的「曼哈顿计划」计划的成员。冯 · 诺伊曼用驰名世界的赌城——摩纳哥的 Monte Carlo 来命名这种方法,为它蒙上了一层神秘色彩。

蒙特卡罗是一类随机算法,在采样不全时通常不能保证找到最优解,但采样越多,越近似最优解。这也是 Wighton 做篮板的基本思想。

在此过程中,Wighton 还利用最小二乘法对计算结果进行了优化,由此得出一个新的曲面篮板:


最后得到的篮板大致长这样:


接下来就是一些「木工」活儿了。Wighton 借助数控机床和 3D 打印技术做出了篮板的木质零部件:


一番操作之后,得到的零部件是这样的:


然后将他们拼在一起:


接下来就是见证奇迹的时刻:


咦? 说好的百发百中呢? 怎么老是碰到篮筐?

Wighton 发现自己忽略了一个问题:计算球的半径。

对于这个问题,Wighton 找到了一种非常简单的解决方法:将篮筐往前移动一定距离。然后,投球就真的近乎「百发百中」了!


这个视频在 YouTube 发布后,引来了 400 多万点击量和 7000 多条评论。

而点赞量最高的评论对这个创意不吝褒奖:

「你应该为这个设计申请专利,再找一家公司进行批量生产。我一定会买,太有意思了!」


有网友表示:

「我,一个绝无体育细胞的人,还是能够找到投篮失败的角度……」



Emmm,很厉害哦,这位网友大概是 Wighton「投篮百发百中」之旅的绊脚石吧。

最后奉上完整视频:



文为机器之心报道,转载请联系本公众号获得授权
✄------------------------------------------------
加入机器之心(全职记者 / 实习生):hr@jiqizhixin.com
投稿或寻求报道:content @jiqizhixin.com
广告 & 商务合作:bd@jiqizhixin.com
登录查看更多
0

相关内容

[ICML-Google]先宽后窄:对深度薄网络的有效训练
专知会员服务
33+阅读 · 2020年7月5日
斯坦福2020硬课《分布式算法与优化》
专知会员服务
117+阅读 · 2020年5月6日
【CVPR2020】图神经网络中的几何原理连接
专知会员服务
56+阅读 · 2020年4月8日
【干货书】数值计算C编程,319页pdf,Numerical C
专知会员服务
66+阅读 · 2020年4月7日
机器学习速查手册,135页pdf
专知会员服务
336+阅读 · 2020年3月15日
模型压缩究竟在做什么?我们真的需要模型压缩么?
专知会员服务
27+阅读 · 2020年1月16日
【干货51页PPT】深度学习理论理解探索
专知会员服务
60+阅读 · 2019年12月24日
【强化学习】深度强化学习初学者指南
专知会员服务
178+阅读 · 2019年12月14日
当你的头出现在A片演员的身体上
PingWest品玩
6+阅读 · 2019年1月6日
SVM大解密(附代码和公式)
机器学习算法与Python学习
6+阅读 · 2018年5月22日
通俗理解卷积神经网络(小学生都能看懂)
七月在线实验室
9+阅读 · 2018年1月25日
干货|通俗易懂地解释EM算法并举例说明?
机器学习研究会
12+阅读 · 2017年11月17日
BAT机器学习面试1000题系列(第51~55题)
七月在线实验室
10+阅读 · 2017年10月8日
蒙特卡罗方法入门
算法与数学之美
6+阅读 · 2017年9月26日
专栏 | 贝叶斯学习与未来人工智能
机器之心
10+阅读 · 2017年9月19日
AI都干过什么让人细思极恐的事?
全球创新论坛
4+阅读 · 2017年9月15日
TResNet: High Performance GPU-Dedicated Architecture
Arxiv
7+阅读 · 2020年3月30日
3D-LaneNet: end-to-end 3D multiple lane detection
Arxiv
7+阅读 · 2018年11月26日
Arxiv
11+阅读 · 2018年4月25日
Arxiv
3+阅读 · 2018年4月9日
Arxiv
6+阅读 · 2018年4月4日
VIP会员
相关VIP内容
[ICML-Google]先宽后窄:对深度薄网络的有效训练
专知会员服务
33+阅读 · 2020年7月5日
斯坦福2020硬课《分布式算法与优化》
专知会员服务
117+阅读 · 2020年5月6日
【CVPR2020】图神经网络中的几何原理连接
专知会员服务
56+阅读 · 2020年4月8日
【干货书】数值计算C编程,319页pdf,Numerical C
专知会员服务
66+阅读 · 2020年4月7日
机器学习速查手册,135页pdf
专知会员服务
336+阅读 · 2020年3月15日
模型压缩究竟在做什么?我们真的需要模型压缩么?
专知会员服务
27+阅读 · 2020年1月16日
【干货51页PPT】深度学习理论理解探索
专知会员服务
60+阅读 · 2019年12月24日
【强化学习】深度强化学习初学者指南
专知会员服务
178+阅读 · 2019年12月14日
相关资讯
当你的头出现在A片演员的身体上
PingWest品玩
6+阅读 · 2019年1月6日
SVM大解密(附代码和公式)
机器学习算法与Python学习
6+阅读 · 2018年5月22日
通俗理解卷积神经网络(小学生都能看懂)
七月在线实验室
9+阅读 · 2018年1月25日
干货|通俗易懂地解释EM算法并举例说明?
机器学习研究会
12+阅读 · 2017年11月17日
BAT机器学习面试1000题系列(第51~55题)
七月在线实验室
10+阅读 · 2017年10月8日
蒙特卡罗方法入门
算法与数学之美
6+阅读 · 2017年9月26日
专栏 | 贝叶斯学习与未来人工智能
机器之心
10+阅读 · 2017年9月19日
AI都干过什么让人细思极恐的事?
全球创新论坛
4+阅读 · 2017年9月15日
Top
微信扫码咨询专知VIP会员