- Publicidade -
- Publicidade -
- Publicidade -
Machine learning & AI

Deep learning permite robô de quatro patas jogar badminton

- Publicidade -
- Publicidade -

São Paulo — InkDesign News —

Um novo avanço em machine learning demonstrou-se revolucionário. Pesquisadores do Laboratório de Sistemas Robóticos da ETH Zurich, na Suíça, desenvolveram um robô quadrúpede que utiliza técnicas de aprendizado por reforço para jogar badminton com humanos.

Contexto da pesquisa

O robô, denominado ANYmal-D, foi projetado para não apenas acompanhar a movimentação do volante, mas também apresentar as habilidades necessárias para jogar em uma quadra, como agilidade e coordenação. Este estudo foi publicado na revista Science Robotics.

Método proposto

A abordagem envolveu o uso de um controlador baseado em aprendizado por reforço, que capacita o robô a rastrear, prever e responder ao movimento do shuttlecock. A equipe implementou um modelo de “ruído de percepção” que compara dados coletados por uma câmera estéreo com as informações armazenadas durante o treinamento. O robô também possui um braço dinâmico para realizar as jogadas de maneira semelhante a um jogador humano.

“Daremos ao robô a capacidade de se posicionar e reagir adequadamente ao volante”
(“We will give the robot the ability to position itself and respond appropriately to the shuttlecock”)

— Yuntao Ma, Pesquisador, ETH Zurich

Resultados e impacto

Os testes mostraram que o robô mantinha ralis com jogadores humanos de até 10 golpes, demonstrando eficácia em um ambiente esportivo dinâmico. Esse desenvolvimento não só abre portas para a aplicação de robôs em esportes, mas também para áreas como reabilitação física e treinamento atlético, onde a interação humano-robô pode ser aprimorada.

Em termos de desempenho, o robô apresenta tempo de resposta otimizado, crucial para manter o ritmo nas competições. Os dados da pesquisa podem ajudar a avaliar o desempenho em ambientes mais desafiadores, estendendo as aplicações do aprendizado por reforço em robôs autônomos.

Próximas etapas incluem integrar melhorias ao algoritmo de aprendizado e testar novos cenários de esportes com diferentes requisitos motores.

Fonte: (TechXplore – Machine Learning & AI)

- Publicidade -
- Publicidade -

Tiago F Santiago

Tiago F. Santiago é Analista de Marketing na C2HSolutions, onde, em sua atuação fixa, combina estratégia e tecnologia para impulsionar soluções digitais. Paralelamente, dedica-se como hobby à InkDesign News, contribuindo com a criação de notícias e conteúdos jornalísticos. Apaixonado por programação, ele projeta aplicações web e desenvolve sites sob medida, apoiando-se em sua sólida expertise em infraestrutura de nuvem — dominando Amazon Web Services, Microsoft Azure e Google Cloud — para garantir que cada projeto seja escalável, seguro e de alta performance. Sua versatilidade e experiência técnica permitem-lhe transformar ideias em produtos digitais inovadores.

Artigos relacionados

0 0 votos
Classificação do artigo
Inscrever-se
Notificar de
guest

Este site utiliza o Akismet para reduzir spam. Saiba como seus dados em comentários são processados.

0 Comentários
Mais votado
mais recentes mais antigos
Feedbacks embutidos
Ver todos os comentários
- Publicidade -
Botão Voltar ao topo
0
Adoraria saber sua opinião, comente.x
Fechar

Adblock detectado

Olá! Percebemos que você está usando um bloqueador de anúncios. Para manter nosso conteúdo gratuito e de qualidade, contamos com a receita de publicidade.
Por favor, adicione o InkDesign News à lista de permissões do seu adblocker e recarregue a página.
Obrigado pelo seu apoio!