王多鱼噩梦:MIT的机器狗学会守门了,拦截率87.5%,比顶尖运动员还高!

2022 年 10 月 21 日 THU数据派


  
  
    
来源:大数据文摘

  本文为约1396字,建议阅读4分钟

本文介绍 了MIT最新开发的迷你猎豹机器狗,能够成功拦下87.5%的射门,成绩比英超联赛中最好的职业足球守门员还高。



看过西虹市首富的同学,应该都对这一幕印象深刻。


王多鱼因为守门技术太差,被怀疑踢了假球,教练将他赶出球队之后,换了一只狗来当守门员训练,还撂下一句:那不练的挺好么……



当然了,这里教练肯定是想说,换只狗守门,也比王多鱼守的好。


先不管王多鱼听了这话怎么想,这条“狗”听了应该是不怎么服气——MIT开发的迷你猎豹(Mini Cheetah)机器狗,能够成功拦下87.5%的射门。


这比英超联赛中最好的职业足球守门员还高(80%)。


当然了,由于机器狗的大小和运动范围有限,实验采取的是这种小门,但是对于自由9公斤重的机器狗而言,这个难度也不低了。


和人类的思维不同

不是挡住球,而是控制球


对于人类守门员而言,要阻挡射门,第一任务是要的是挡住一只飞来的足球,在能够抓住足球的时候,再考虑抓住。

对于机器狗而言,他显然理解不了这种战术层面的判断,所以研究人员要教它什么叫做守门。

研究人员给它的目标是,控制一只高度运动的足球,让它向任何方向移动,只要不进入球门即可。迷你猎豹机器狗防守的球门宽1.5米,高0.9米,球(3号足球)是从大约4米外踢出的。

所以机器狗需要做到两点:
1,判断足球的运动轨迹
2,快速移动自己的身体,确保自己出现在足球的运动轨迹上

其实就是将足球的轨迹与机器狗的末端控制做一个匹配,问题简化成这样以后,就可以让机器狗进行学习了。

经过训练,迷你猎豹可以在 不到一秒 钟的时间内,在球到进门之前进行扑救。

这也需要引入一系列实用的人类守门员技能。比如侧身飞跃拦截,附身到球门的下角拦截,跳跃到球门的顶部和上角拦截等等。


当然,和人类守门员一样,落地时能否安全着陆并不是首要问题,把球扑出来才是第一要务。

迷你猎豹机器狗
未来真可以和人踢球?

实验结果表明,该系统可以直接将仿真中学到的动态运动和守门技巧传递给四足迷你猎豹机器狗,拦截随机射门的成功率达到 87.5% ,而人类足球守门员的平均扑救率约仅为 69%

尽管球门和射门选手并不符合正式的比赛标准,但这似乎可以看做是机器人能够参与到人类足球运动的一个开始。

仔细想想,足球运动其实就是一系列分散的技能,这些技能综合在一起,基于球的轨迹完成一个高水平的进球,这同样也是机器人可以做到的事情。

研究人员说,“提出的框架可以扩展到其他场景,比如踢球的多种技巧。”这个团队已经在射门方面做了一些早期的工作,可以期待一波他们接下来的工作。


2019年3月,麻省理工学院正式发布了迷你猎豹,迷你猎豹来自Sangbae Kim实验室,是一款小型四足机器人。

迷你猎豹重约9公斤,有12个模块化的发动机,使每条腿有一个髋关节(具有2个自由度)加上一个膝关节。

据介绍,迷你猎豹能够灵活地奔跑、跳跃和着陆,速度可以达到每秒2.5米的速度,这对于它的体型来说已经很快了,但是理论上它可以达到每秒4米的速度。

MIT计划能够基于迷你猎豹开发出像波士顿动力的机器狗一样的价格合理的消费版本。

相关报道:

https://spectrum.ieee.org/football-robot-mini-cheetah

https://spectrum.ieee.org/mit-mini-cheetah-accelerate-research



——END——


登录查看更多
1

相关内容

《多智能体机器人装配规划算法》斯坦福195页博士论文
专知会员服务
37+阅读 · 2022年11月24日
《对抗性几何规划研究》2022最新论文,捷克理工大学
专知会员服务
30+阅读 · 2022年10月30日
【牛津大学博士论文】元强化学习的快速自适应,217页pdf
【ICRA2022】机器人强化学习工具教程, 附slides与视频
专知会员服务
39+阅读 · 2022年5月27日
【武器简介】12页PPT详解高超声速武器与英国发展情况
专知会员服务
56+阅读 · 2022年3月14日
如何帮助人类理解机器人?哈佛、MIT专家为你解读
专知会员服务
28+阅读 · 2022年3月11日
【AAAI2021】对话推理:上下文阅读理解提升回复生成
专知会员服务
43+阅读 · 2021年1月23日
认真的吗?让机器狗当守门员,还发了篇论文
机器之心
2+阅读 · 2022年10月17日
AI能「踢足球」了,但AI机器人还不能
新智元
0+阅读 · 2022年9月14日
怎样从零开始训练一个AI车手?
量子位
0+阅读 · 2022年9月2日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Arxiv
0+阅读 · 2022年12月16日
Arxiv
30+阅读 · 2021年7月7日
Attentive Graph Neural Networks for Few-Shot Learning
Arxiv
40+阅读 · 2020年7月14日
A Comprehensive Survey on Graph Neural Networks
Arxiv
21+阅读 · 2019年1月3日
Arxiv
22+阅读 · 2018年8月30日
VIP会员
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
4+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员