Sistem ini lalu mengoordinasikan gerakan keempat kakinya agar bisa berada di posisi yang tepat untuk mengembalikan pukulan.
Model perception noise digunakan untuk menghitung kesalahan antara prediksi sistem RL dan hasil nyata dengan memanfaatkan data dari kamera.
“Model ini menangkap pengaruh gerakan robot terhadap kualitas persepsi dengan memperhitungkan kesalahan pelacakan objek per frame dan prediksi akhir intercept," tulis mereka lagi.
"Itu nantinya mampu mengurangi kesenjangan antara simulasi dan kenyataan, serta memungkinkan robot mempelajari perilaku berbasis persepsi.”
Baca Juga: Tim Robot Ichiro ITS Juara RoboCup 2024 di Belanda, Kalahkan 300 Tim Robotik dari 40 Negara
Studi tersebut menunjukkan robot ini mampu mengembangkan perilaku bermain bulu tangkis mirip manusia.
Termasuk gerakan lanjutan setelah memukul shuttlecock dan persepsi aktif untuk meningkatkan estimasi posisi shuttlecock.
Sebagai contoh, robot dapat menyesuaikan kemiringannya ke atas untuk menjaga shuttlecock tetap dalam pandangan kamera, lalu menunduk kembali untuk melakukan ayunan raket.
Lebih luar biasa, sistem kontrol ini juga menunjukkan “perilaku yang muncul secara alami” yaitu kembali ke tengah lapangan setelah memukul.
Situasi itu mirip dengan kebiasaan pemain manusia yang bersiap untuk pukulan berikutnya.
“Algoritma pembelajaran penguatan menyeimbangkan antara kontrol yang gesit dan persepsi shuttlecock yang akurat dengan mengoptimalkan kemampuan kebijakan untuk memukul shuttlecock dalam simulasi,” tulis para peneliti.
“Berbagai uji coba di beragam lingkungan membuktikan kemampuan robot dalam memprediksi lintasan shuttlecock, menavigasi area permainan secara efektif, dan melakukan pukulan presisi terhadap pemain manusia.”
Tim peneliti juga memiliki ide untuk meningkatkan kemampuan atletik robot ini lebih lanjut.
Baca Juga: Jumlah Bulu dalam Shuttlecock Bulu Tangkis Harus 16, Ini Alasannya