Il parere dell’esperto

Questi tuoi risultati costituiscono la base per sviluppi futuri?
Considero i miei risultati più un prototipo. Il mio lavoro è stato in parte ispirato dal tennis in TV osservando come Hawkeye sia in grado di stimare automaticamente la velocità del colpo e la rotazione impressa nello spin dalle riprese della telecamera. Questo viene fatto utilizzando telecamere ad alto FPS (Fotogrammi per secondo) da molte angolazioni, ma in questo progetto volevo verificare se si potesse fare da una singola angolazione della telecamera con un FPS, per così dire normale; più economico e più utile per applicazioni robotiche.

Dal 2015 abbiamo visto emergere molte alternative a Hawkeye. Un concorrente diretto è FoxTenn (l’azienda è nata nel 2012, ndr), che è già stato utilizzato per le chiamate in linea nei tornei professionistici. A livello di circolo tennistico, Playsight (costituita nel 2010, ndr) e Mojjo (nata nel 2013, ndr) sono due sistemi utilizzati principalmente nell’allenamento e per l’analisi video e più economici da configurare rispetto a Hawkeye. Possono monitorare abbastanza bene il gioco del tennis e fornire statistiche interessanti come velocità di tiro, posizionamento e percentuali. Alcuni sistemi ancora più economici e portatili di quelli citati sono Swing Vision, che richiede solo l’app per iPhone, e InOut, che richiede un dispositivo da installare nel paletto della rete. Sebbene i loro algoritmi non siano pubblici, credo che tutti (me compreso) usassero principi simili tra loro per sviluppare gli algoritmi di tracciamento della palla e la stima della velocità.

A quale approccio di Machine learning (l’apprendimento automatico di una macchina, al fine di migliorare le sue prestazioni) fai riferimento nelle conclusioni del tuo studio, per migliorare la ricostruzione automatica della traiettoria? Stai pensando a un approccio basato su Deep Learning (DL)?
Oggi, le tecniche di computer vision che ho usato sarebbero considerate piuttosto classiche. Penso che un approccio basato su ML e soprattutto su DL potrebbe aiutarci a migliorare le procedure automatiche e altre condizioni come l’illuminazione, la trama della superficie del campo e altre caratteristiche ambientali. Ho anche considerato l’utilizzo di reti neurali ‘convoluzionali’ (reti che mimano gli schemi di connessione neurale del cervello, ndr) nel mio progetto per rilevare le caratteristiche del campo da tennis, ma nel 2015 l’esplosione della popolarità di DL era solo all’inizio e i framework di DL non erano ancora maturi (TensorFlow sarebbe stato rilasciato più tardi nello stesso anno, ndr). Inoltre l’approccio basato su ML richiede molti dati ‘etichettati’ (Labelled data), che non ho avuto il tempo di procurarmi per il progetto, ma questo non sarebbe un grosso problema ad oggi perché esistono molte architetture di reti neurali pre-addestrate; potremmo prenderne una e utilizzare il transfer learning (una tecnica che consente di applicare una rete neurale già ‘addestrata’ a un problema correlato ma diverso, ndr).

Sembra che oggi il sistema sia realizzabile con una sola telecamera. E cosa si può rubare ai progetti già esistenti?
Sì, i recenti progressi nella stima della profondità monoculare (stima della profondità della scena da una singola immagine, ndr) mi hanno convinto che potrebbe essere possibile farlo con precisione con una sola telecamera […] I progressi, inoltre, sono motivati ​​da altre applicazioni come le auto a guida autonoma. Ad esempio, gli algoritmi utilizzati per rilevare le linee stradali possono essere utilizzati per rilevare le linee dei campi da tennis; quelli utilizzati per prevedere il comportamento dei pedoni possono essere utilizzati per seguire l’avversario e prevedere dove si muoverà o che tipo di tiro eseguirà. Si potrebbero travasare i nuovi sviluppi al mondo del tennis robotico.

La visione artificiale è il problema principale da risolvere per costruire un robot in grado di giocare discretamente a tennis? Esistono altri problemi che devono essere risolti?
Sembra che molti dei problemi della visione artificiale siano stati risolti, ma ce ne sono altri come la previsione del rimbalzo. Gli esseri umani possono leggere gli effetti e adattarsi rapidamente alle diverse condizioni di rimbalzo della palla, ma non sono sicuro di quanto possano fare i robot. Abbiamo già una buona comprensione della fisica del volo della palla, ma la fisica del rimbalzo della palla dipende da molti fattori. Un buon robot da tennis dovrebbe avere algoritmi in grado di adattarsi rapidamente a un rimbalzo inaspettato, come un uomo può fare. Un altro problema è dovuto alla locomozione e al coordinamento di un robot. Abbiamo visto robot bipedi di Boston Dynamics fare salti mortali ed eseguire parkour, ma non ci sono ancora prove sufficienti che questi robot abbiano il movimento laterale e l’agilità necessari per giocare tennis di alto livello. I problemi del consumo di energia e dell’elaborazione delle informazioni sembrano essere stati risolti parzialmente da altri ambiti di ricerca.

Conclusioni: quanto siamo lontani dai tornei tra robot?

Sul finire della nostra intervista con Robert Chin, ci ha raccontato che secondo lui la strada per condurre dei robot a sfidarsi sul campo è iniziare con prototipi di piccola scala, perché è più complicato affrontare la fisica del rimbalzo e ‘insegnarla’ a robot a grandezza naturale. C’è poi il problema dei fondi, che Chin suggerisce di risolvere così: “Forse un’azienda ricca e fiorente, o un appassionato di tennis come ad esempio Larry Ellison, potrebbe farlo accadere un giorno!“.

Ad ogni modo, lo sviluppo impetuoso e le previsioni future di crescita del mercato hanno favorito il nascere di competizioni di robotica sportiva e la costruzione di atleti robot. Tuttavia, con riferimento al mondo tennistico le soluzioni meccatroniche proposte ad oggi sono solo in grado di raccogliere le palline in un campo, ma non sono ancora in grado di emulare le gesta dei campioni del tennis, come le nostre suggestioni immaginative aspirerebbero.

I principali problemi non stanno tanto nella predisposizione di algoritmi che alimentino la visione artificiale dei computer di oggetti in movimento con una stima precisa della posizione dell’oggetto, quanto nel capire meglio la fisica del rimbalzo, nel predisporre meccanismi che assicurino la locomozione e il coordinamento del robot anche in funzione dei rimbalzi imprevedibili delle palline e infine nel dotare l’applicazione robotica di un sistema di alimentazione indipendente, basato su batterie, che dovrebbero garantirne l’efficienza energetica. Si ritiene che la potenza computazionale disponibile ad oggi sia sufficiente per garantire al robot l’esecuzione di calcoli in tempo reale.

La creazione di questa nuova competizione tennistica – che potrebbe chiamarsi “RoboTennis Cup” – favorirebbe uno scambio di conoscenze in entrata provenienti da altri campi di ricerca, ma anche in uscita: insomma, il tennis ‘ruberebbe’ segreti ad alcuni settori della robotica per aiutarne degli altri

Il problema, come ha sintetizzato Robert Chin, è trovare un mecenate appassionato di tennis o un pool di aziende fiorenti poste in un contesto incline all’ innovazione. Per questo, ad oggi, la costruzione di una macchina umanoide capace di giocare discretamente a tennis è impresa complicata e ardua, perché diverse conoscenze relative a differenti campi interdisciplinari dovrebbero essere combinate e armonizzate tra loro, con costi di ricerca e sviluppo astronomici. Siamo ancora lontani da una versione (ancora più) robotica di Djokovic, insomma: ma meno lontani di ieri.

Pagine: 1 2