滿分運球的秘密是什麼 演算法幫你捕捉籃球動作的精髓

Science Daily消息，Carnegie Mellon大學和DeepMind的研究人員首次製作出了一個以物理為基礎的，實時的，從實踐中學習運籃球的計算機演算法。運用深度強化系統，球員們能夠從動作捕捉數據中學習到精髓，有助於運球技術的提高。

籃球運動員需要成千上萬次的練習才能學會運球。其實電腦想學習運球，也是如此。電腦捕捉並學習運球這件事情本身也是需要長時間數百萬次反覆練習的，但結果令人十分滿意。生成的動態和人類手臂能夠做到的動作十分相近。運動員們能夠學會在兩腿之間運球，在後背運球，交叉運球等。

Carnegie Mellon大學科學與機器人學教授Jessica Hodgins表示，當技能被機器學習之後，新的動作生成得比實時還要快。與Hodgins教授合作寫報告的Libin Liu說，這項研究使得計算機化身模仿人類運動變成了可能，以後也可以做更逼真的遊戲、動畫、動作分析，乃至機器人。

拿遊戲來說，雖說很多遊戲的動態都很逼真了，但仍然有時候能看見球飛出不可能的曲線，或者像「粘」在了遊戲人物的手上一樣。如果說不可能的曲線還能通過物理方式解決，想把動作中的小細節做好，卻是很難的。

在運球動作上尤其如此，因為運動員和球之間的接觸非常短暫，手指頭的位置也至關重要，像人讓球在手上保持旋轉的那些微妙的瞬間，是非常難以還原的。Hodgins和Liu選擇使用「深度強化學習」來確保計算機模型能夠捕捉到這些細節。AlphaGo中已經運用到了這種深化強度學習的方法。值得一提的是，程序並不捕捉球的細節動態，因為捕捉起來確實很難。因此，他們選擇用軌跡強化的方法計算出球最有可能的路徑。

程序學習這種動態一共有兩個步驟：首先，它先學習運動路徑本身，第二步才是如何控制運球的「手臂和手」。就運球這種物體和人接觸不影響人的平衡的運動來說，目前這種方式已經足夠應付。但對於像踢足球這樣的平衡隨動作變化很大的運動，還需要更多的研究工作。

-End-

編輯：徐聞道

本文章圖片來源於網路，侵權必刪

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！