打篮球时，运球看起来很容易。但事实上，要想在球场上轻松完成这个动作，还需要多年的努力。不过，最近开发人员一直尝试在计算机模拟中对这些技能进行建模。而最新消息显示，通过一种涉及人工智能的新方法有可能加快其研究速度。

来自卡内基梅隆大学（Carnegie Mellon University）和初创公司DeepMotion（成立于2014年，总部位于加州）的研究人员开发了一个基于人工智能的物理系统，可以从篮球运动员的真实生活中学习运球技巧。

该研究的主要作者Libin Liu在接受媒体采访时表示，“这项研究打开了用成熟的虚拟替身来模拟体育运动的大门。而这项技术可以应用于运动模拟之外的很多方面，比如，它可以为游戏、动画、工作分析创建更多的互动角色，甚至在未来成为机器人研究的一项推动力。”

据了解，该研究中的两个团队采用了一种深度强化学习模型，即一个模仿人类对环境的反应方式的人工智能系统，来对进行篮球运动的模拟替身进行训练，整个过程是在虚拟球场上进行的，并且反复实验数百万次。

详细来说，训练分为两个阶段学习。首先，模拟替身要掌握在球场上四处移动而不会摔倒或碰到障碍物的技巧。然后，它要学会如何控制自己的手臂和手，进而扩展到如何掌握运球过程中的速度和方向。

研究人员指出，以物理为基础的运球很难通过数字方式进行复制，因为人类篮球运动员在运球过程中与篮球的接触是一个短暂的过程，一些具体的细节，比如篮球在与球员的手接触后如何旋转等，是很难捕捉到的。虽然熟练的球员可以预测球的时间和位置，但对计算机模型来说，它们缺乏的是手与眼的协调能力。

出于这些原因，团队选择使用轨迹优化来计算处在给定手部动作下，篮球最可能出现的运动的路径，而不是通过捕捉篮球的移动情况。他们提供了上述动作捕捉数据，包括球员在腰部旋转球、换手和其他运球技巧，之后便进入深度学习模式，展开训练。

其结果是，虚拟替身的手臂和腿部运动实现了与现实世界中的运动的“一致性”。这是一个巨大的成功，因为模型不仅学会了如何在双腿之间，在背后以及在交叉运动中进行运球，更重要的是，它们学会了如何在不丢失球的情况下，平稳地完成这些动作的转换。

在研究团队看来，这一方法也可以推广到其他的运动上。

他们表示，“虽然我们的框架是专为篮球技能而设计的，但我们相信它可以扩展到其他动作，比如杂技，在这个过程中，模拟角色和被操纵对象之间的交互不会显着影响到角色的平衡。而且，在未来的工作中，我们也有兴趣对其他类型的运动，像足球等，进行调查，希望能将其中的平衡控制与体育动作紧密结合在一起。”

事实上，这并不是研究人员第一次成功将AI应用于篮球世界。今年7月，一家华人创立的科技公司NEX Team，推出了一款名为“HomeCourt”的智能手机应用程序，可以通过机器学习和计算机视觉来观察记录球员的投篮行为。此外，该App中的人工智能技术还能解析球员的投篮动作，帮助分析每个动作，并且统计信息和视频记录可以直接分享给教练。据该公司的联合创始人David Lee表示，其拍摄和记录照片的准确度达到了99％。

本文由人工智能观察编译
译者：Sandy