Le sport a longtemps servi de test important pour les robots. L’exemple le plus connu du phénomène est peut-être le Compétition de Football RoboCup, qui date du milieu des années 1990. Le Tennis de table a joué un rôle clé dans l’analyse comparative des bras robotiques depuis une décennie auparavant. Ce sport exige de la vitesse, de la réactivité et de la stratégie, entre autres.

Dans un Article récemment publié intitulé « Achieving Human Level Competitive Robot Table Tennis », l’équipe DeepMind Robotics de google présente son propre travail sur le jeu. Les chercheurs ont effectivement développé un « joueur de niveau humain solidement amateur » lorsqu’il est opposé à une composante humaine.

Lors des tests, le bot de tennis de table a été capable de battre tous les joueurs de niveau débutant qu’il a affrontés. Avec les joueurs intermédiaires, le robot a remporté 55% des matchs. Cependant, il n’est pas prêt à affronter les pros. Le robot perdait à chaque fois qu’il affrontait un joueur avancé. Au total, le système a remporté 45 % des 29 matchs qu’il a joués.

« C’est le premier agent robot capable de jouer un sport avec les humains au niveau humain et représente une étape importante dans l’apprentissage et le contrôle des robots », affirme le document. « Cependant, ce n’est aussi qu’un petit pas vers un objectif de longue date en robotique d’atteindre des performances de niveau humain sur de nombreuses compétences utiles du monde réel. Il reste beaucoup de travail à faire pour atteindre de manière cohérente des performances humaines sur des tâches uniques, puis au-delà, pour construire des robots généralistes capables d’effectuer de nombreuses tâches utiles, en interagissant habilement et en toute Sécurité avec les humains dans le monde réel.

La plus grande lacune du système est sa capacité à réagir aux balles rapides. DeepMind suggère que les principales raisons en sont la latence du système, les réinitialisations obligatoires entre les prises de vue et le manque de données utiles.

« Pour résoudre les contraintes de latence qui entravent le temps de réaction du robot aux balles rapides, nous proposons d’étudier des algorithmes de contrôle avancés et des optimisations matérielles », notent les chercheurs. « Il pourrait s’agir d’explorer des modèles prédictifs pour anticiper les trajectoires des balles ou de mettre en œuvre des protocoles de communication plus rapides entre les capteurs et les actionneurs du robot. »

D’autres problèmes exploitables avec le système sont les balles hautes et basses, le revers et la capacité de lire l’effet d’une balle entrante.

En ce qui concerne la façon dont une telle recherche pourrait affecter la robotique au-delà de l’utilité très limitée du tennis de table, DeepMind cite l’architecture politique, son utilisation de la simulation pour fonctionner dans des jeux réels et sa capacité à adapter sa stratégie en temps réel.