Robot AI Google DeepMind Jago Main Tenis Meja, Bisa Lawan Manusia

Perusahaan AI milik Google, DeepMind, mengembangkan lengan robot yang dapat mengimbangi pemain tenis meja. Lengan robot ini dapat membalas pukulan backhand hingga forehand dan bahkan pukulan yang menyentuh net.

Robot ini mampu mengalahkan lawan tingkat amatir dalam pertandingan tenis meja, 13 dari 29 pertandingan.

Memang, robot ini masih belum bisa menyamai pemain profesional, tetapi mampu mencapai tingkat keterampilan amatir merupakan prestasi yang mengesankan bagi sejarah AI.

MIT Technology Review mencatat bahwa pemain manusia yang bermain melawan robot menikmati pertandingan tersebut. Mereka mengatakan bahwa itu adalah tantangan menarik yang dapat membantu meningkatkan permainan mereka sebagai mitra latihan.

Dalam video pertandingan lengan robot DeepMind melawan manusia, yang diunggah di akun YouTube Atil Iscen, diperlihatkan robot dengan cekatan menangani berbagai pukulan dan gaya bermain. Ia bahkan tampak 'melompat-lompat' seperti manusia selama permainan, meskipun ia tidak memiliki kaki.

"Bahkan beberapa bulan yang lalu, kami memperkirakan bahwa secara realistis robot tersebut mungkin tidak dapat menang melawan orang-orang yang belum pernah dimainkannya sebelumnya," kata Pannag Sanketi, insinyur DeepMind yang mempelopori proyek tersebut.

"Sistem tersebut tentu saja melampaui ekspektasi kami. Cara robot tersebut mengalahkan lawan yang kuat sungguh menakjubkan."

DeepMind menggunakan pendekatan bercabang untuk mengajarkan prototipe robot pingpongnya. Pertama, sistem tersebut harus menguasai kemampuan memukulnya melalui simulasi komputer yang meniru fisika dan permainan tenis meja yang realistis. Tim lalu menyempurnakan keterampilan tersebut dengan memintanya belajar dari data dunia nyata.

Selama pertandingan berlangsung, robot menggunakan sepasang kamera untuk melacak posisi bola. Robot juga menggunakan teknologi penangkapan gerak untuk melacak gerakan lawan manusia melalui dayung yang dilengkapi LED untuk membantu mengidentifikasi lawan dan gaya bermainnya.

Semua informasi tersebut diambil dan dimasukkan kembali ke dalam simulasi, terus-menerus meningkatkan taktik melalui umpan balik yang berkelanjutan. Dengan kata lain, robot akan semakin baik seiring dengan semakin banyaknya pertandingan yang dimainkan.

Tim menyadari sistem ini memiliki beberapa keterbatasan. Robot tersebut kesulitan untuk mengembalikan bola dengan sangat cepat, bola yang jauh dari meja, atau bola yang meluncur rendah. Robot tersebut juga kesulitan melawan pemain yang memberikan bola pelintiran (spin) yang sangat hebat karena robot tersebut tidak dapat mengukur rotasi bola.

DeepMind berpendapat bahwa pemodelan AI prediktif yang ditingkatkan dan deteksi pukulan yang lebih cerdas dapat membantu memecahkan masalah tersebut.

Tampaknya ini adalah proyek yang menyenangkan dengan sedikit aplikasi praktis. Akan tetapi, laporan tersebut mencatat bahwa ini merupakan langkah penting menuju terciptanya AI yang dapat melakukan tugas fisik yang rumit dengan aman di lingkungan alami seperti rumah atau gudang.