L’Ascension des Robots au Tennis
L’avènement des algorithmes de jeu a marqué un tournant dans l’histoire des interactions homme-machine. Garry Kasparov, emblématique joueur d’échecs, a perdu face à Deep Blue, prouvant une fois pour toutes que les machines pouvaient surpasser les humains. Depuis, des succès similaires ont été observés dans d’autres domaines comme le Go ou StarCraft. Aujourd’hui, une nouvelle frontière se dessine : le tennis.
Un Nouveau Concurrant : LATENT
Des chercheurs des universités de Tsinghua et de Pékin se penchent sur la création d’un robot capable de jouer au tennis, projet intitulé LATENT (Learn Athletic humanoid Tennis skills from imperfect human Motion Data). Ce robot, à l’instar de AlphaZero, apprend de manière autonome à maîtriser le jeu à travers des algorithmes complexes. Bien qu’il ait été démontré que des robots pouvaient déjà jouer au ping-pong ou reproduire des mouvements de kung-fu, le projet LATENT représente une avancée marquante.
L’Utilisation des Données Imperfectes
Depuis longtemps, faire réagir un robot à la vitesse d’une balle de tennis a été un défi plutôt complexe. Traditionnellement, les robots avaient besoin de données parfaites pour donner des résultats optimaux. Cependant, les chercheurs ont tourné ce problème à leur avantage en utilisant des données “imparfaites”. Ces informations sont recueillies à partir des mouvements humains, permettant au robot d’apprendre à partir d’exemples concrets, même si ces derniers ne sont pas toujours parfaits.
Réduction de la Complexité avec le Minitennis
Pour faciliter l’apprentissage, le projet LATENT a recours à un terrain de jeu réduit, 17 fois plus petit qu’un court classique. Cela permet de capter directement des “habiletés primitives” comme le coup droit ou les déplacements latéraux, tout en diminuant la complexité des mouvements à différentes vitesses et angles. Le contrôle du robot devient ainsi bien plus gérable et efficace durant l’apprentissage initial.
L’Adaptation en Temps Réel
Une caractéristique fascinante de ce développement est la capacité du robot à s’adapter instantanément. Fort de ces premières données, il corrige ses mouvements en temps réel. Ainsi, non seulement il imite la stabilité des joueurs humains, mais il ajuste également avec précision l’angle de sa raquette pour frapper la balle de manière appropriée. Cela lui permet d’effectuer des échanges fluides, même en cas d’erreurs pour adapter sa technique.
Un Partenaire de Jeu : Le Robot Unitree G1
Le système développé a été intégré à un robot humanoïde, le Unitree G1, qui possède 29 degrés de liberté. Équipé d’une raquette imprimée en 3D, le G1 a surpris lors de ses tests. Il s’est avéré être capable de retourner des balles lancées à plus de 15 m/s (54 km/h) et de maintenir des échanges avec des joueurs humains, s’adaptant à la dynamique du jeu en temps réel.
Quelles Perspectives pour l’Avenir ?
Bien que ces robots soient encore loin de rivaliser avec des joueurs professionnels, ils ouvrent la voie à une nouvelle ère où les techniques d’apprentissage par renforcement peuvent être appliquées dans des environnements physiques. Cela soulève la question de savoir si les robots pourraient un jour apprendre d’autres disciplines sportives — ou même d’autres domaines d’activités physiques — en se basant simplement sur des mouvements de base.
Ces avancées marquent le début d’une ère où la frontière entre l’homme et la machine devient de plus en plus floue, et le tennis, sport emblématique, pourrait bien être le premier à entrer dans cette nouvelle dimension.