我覺得如果人工智慧也能成為各個賽事的選手,應該就沒那麼精采了吧(上)
今年雖然遭逢武漢肺炎疫情的影響,癱瘓了全球政治、經濟——包含因疫停賽的美、日、韓等國家的職棒;卻也激發各產業的創意,設法推出應變奇招。中華職棒突破萬難,於 4 月 12 日領先全球,在桃園閉門複賽,為世界棒壇注入一針強心劑!
▲日前(4月12日)中華職棒在桃園閉門複賽,派出 AI 機器人樂團應援與人形立牌充當觀眾,廣獲中外媒體注意、報導 。
雖然複賽仍以閉門的模式——不開放觀眾到場,少了擊鼓應援、加油的吶喊聲,恐會讓比賽冷場走味。但俗話說「養兵千日,用在一時」,這不就是那些機器人們「神救援」的好時機嗎?職棒界的「點子王」——主場位於桃園的樂天桃猿隊,除了在觀眾席設下靜態人形立牌、人偶充當觀眾之外,還增設桃園在地祥儀機器人夢工廠的機器人應援團「AI 精靈樂團」,擊鼓替球員加油,增添看球趣味性。
機器人都能應援球賽了,那AI是否能上場打球?
▲交大電機教授蕭得聖於 2014 年研發的「會打棒球的機器人2.5代」,已能精準判斷球路、好球、壞球,並能判斷打擊後球的落點,自主決定是否揮棒。
現實世界中,一位職棒選手的養成,可說是經歷千辛萬苦。台灣職棒選手前往美國挑戰大聯盟,多是年輕時就從小聯盟開始訓練(除了從日職轉戰大聯盟的陳偉殷之外)。小聯盟又分成六級別,所以一待就是好幾年,也不一定能打到大聯盟。
除了需要長年經驗,棒球的技巧也是千變萬化。投手不可能只是丟個直球而已,還會隨機出現卡特球、伸卡球、滑球、螺旋球等出其不意的球路,加上僅僅只有零點幾秒的速度……人工智慧機器人是否有能力打到球呢?
交通大學電控所蕭得聖教授所領導的團隊,長期鑽研打棒球的機器人。他們的目標不只是要讓 AI 機器人打得到球,還要擊出安打!針對打造此類「安打機器人」,蕭教授提到了四個關鍵點:
四關鍵點 成就人工智慧棒球員「安打機器人」
首先,機器人要能「看」得準個是來球!為能讓機器人能即時測量球體在三度空間中的飛行軌跡,超高速雙眼攝影機是必須配備。以現今的技術來說是可行的,預算充足的話,連球的縫線都能看得清清楚楚!
只看得到球還不夠,還要能把球打出去!此時就要依照球的質量、慣量、球速等數值,估算出球衝擊到球棒時的動量(描述物體「運動狀態與慣性大小」的空間向量)。這影響到機器人手臂的材質、馬達必須輸出多少力距等等。
若以上兩條件都實現了,就夠了嗎?不!還要經過「磨合」的階段,彼此校正,讓攝影機與機器手臂間的訊息傳遞同步、協調,避免眼手「各行其事」不同調。
現在能看能打的機器人出來了!前面提到,蕭教授的目標是機器人「每打必能擊出安打」,所以除了「眼明手快」的條件達成之外,還要「精準地預測球通過本壘板時的位置與速度」,因此需要能「精準預測球體飛行軌跡的模型」。這個模型決定了棒球機器人的成敗。
▲棒球比賽中,投手常隨機投出難以預測的球路。影片為伸卡球、滑球與指叉球介紹。
快速球、選轉球……每位投手投球時各有獨門祕技,甚至還會妙用球的縫線做變化。因此要打造球體飛行軌跡的預測模型,必須考慮到重力、空氣阻力等來自四面八方的外力以及其他的複雜狀況,對於各式球路所造成的影響。這套精準模型其中的秘辛,都是蕭教授的 know-how 。
本篇為上篇,下篇請點此連結
相關文章:
從哆啦A夢到 iPhone...為何 UI 設計用「圓角」就是比較討喜?
APCS 程式檢定,該從 C、Java 還是 Python 下手?
【前端工程師CSS教學】定位元素Positioning Elements
狗狗是人工智慧的最佳教練!Google AI機器人學狗左轉右彎還能小跑
留言列表