高尔夫机器人学会像专业人士一样推杆

虽然能够将球击出300码可能会让球迷们兴奋不已，但扎实的推杆技术往往是高尔夫冠军与新手的区别所在。一个由德国研究人员制造的机器人通过巧妙地结合经典的控制工程和技术，迅速成为这个简短游戏的大师机器学习．

在高尔夫球他说，在巡回赛上，球员们通常会提前一天勘察果岭，考虑如何打球安妮卡破车他是哈佛大学的博士生帕德伯恩大学在德国。因此，她和同事们决定，看看赋予机器人类似的能力，是否能帮助它在没有人类帮助的情况下，在草地上的任何地方推杆。

Golfi，团队给他们的发明命名为Golfi，使用3D相机拍摄果岭的快照，然后将其输入一个基于物理的模型，以模拟数千个不同位置的随机拍摄。这些是用来训练神经网络然后，它可以准确地预测从果岭的任何地方击球时的力度和方向。

在果岭上，Golfi 10次中有6到7次成功。

就像最好的职业选手一样，它也不是每次都能一杆进洞。我们的目标并不是打造一个能赢得锦标赛的高尔夫球机器人容克说，但要证明混合方法对机器人控制的力量。她说:“我们试图将数据驱动和基于物理的方法结合起来，我们寻找了一个每个人都能轻松理解的好例子。”“对我们来说，这只是一个玩具，但我们希望看到我们的方法在工业应用中的一些优势。”

到目前为止，研究人员只在实验室里的一个小绿地模型上测试了他们的方法。机器人，这是描述在一个纸该机器人将于下月在意大利举行的IEEE国际机器人计算会议上展出，它有四个轮子，在2米见方的空间里行走，其中两个轮子是有动力的。一旦在位置，然后使用皮带驱动齿轮轴与推杆连接到末端打击球向洞。

不过，首先，它需要根据球的位置确定要打什么球。研究人员首先使用安装在天花板上的微软Kinect 3D摄像头来捕捉绿色的深度图。然后，这些数据被输入一个基于物理的模型，以及草皮的滚动阻力、球的重量和起始速度等其他参数，以模拟从不同起点进行的3000次随机击球。

golfi视频youtu.be

这些数据被用来训练一个神经网络，该网络可以预测从果岭的任何地方击球的力度和方向，从而使球进入洞内。Junker说，虽然可以通过结合基于物理的模型和经典优化来解决这个问题，但它的计算成本要高得多。她补充说，训练机器人模拟高尔夫击球只需要5分钟，而如果他们收集真实击球的数据，则需要大约30到40个小时。

不过，在它击球之前，机器人首先必须将推杆与球对齐，这需要它弄清楚自己和球在果岭上的位置。为了做到这一点，它使用了一个经过训练的神经网络来识别高尔夫球，以及一个硬编码的物体检测算法，该算法可以挑选出机器人顶部的彩色点来确定它的方向。然后，这些定位数据与机器人的物理模型相结合，并输入一个优化算法，计算出如何控制它的轮毂电机来导航到球。

容克承认，这种方法并非完美无缺。她说，目前的设置依赖于鸟瞰，这很难在真正的高尔夫球场上复制，而切换到机器人身上的摄像头将是一个重大挑战。研究人员在他们的论文中也没有报告Golfi成功推杆的频率，因为这些数据被它偶尔从球上飞过，使球偏离位置的事实所影响。容克说，当这种情况没有发生时，10次中有6到7次是成功的，自从他们提交了论文后，一位同事重新设计了导航系统，以避开球。

Golfi并不是第一台尝试这项运动的机器。2016年，一个名为LDRICK的机器人一杆进洞在亚利桑那州的TPC斯科茨代尔球场，已经建造了几个用于测试高尔夫球杆的设备。但拥有运动学习博士学位的高尔夫教练诺埃尔·卢梭(Noel Rousseau)说，通常情况下，每次击球都需要操作员煞费苦心地设置，而且任何调整都需要相当长的时间。他说:“对我来说，最令人印象深刻的是，这个高尔夫机器人能够找到球，看到球洞，并自行移动到准确击球的位置。”

除了掌握推杆外，研究人员希望开发的潜在技术可以转化为其他机器人问题，说Niklas Fittkau他是帕德伯恩大学的博士生，也是这篇论文的共同作者。他说:“你也可以把它转移到其他问题上，在这些问题上，你对系统有一些了解，可以对它的部分进行建模，以获得一些数据，但你不能对所有事情进行建模。”