五年前,AlphaGo击败世界围棋冠军柯洁和李世石,在当时引起了不小的轰动。五年后,商汤将AlphaGo未尽的“围棋改变世界”梦想寄托在了中国象棋AI机器人“元萝卜”身上。

机械臂与算法融合,“人机大战”一触即发

卡斯帕罗夫在25年前被IBM超级计算机“深蓝”(Deep Blue)打败时曾说:“我是第一位工作受到机器威胁的知识工作者”。

在这里插入图片描述
1997年,卡斯帕罗夫与超级计算机“深蓝”对弈(图片来源:网络)

然而,AI带来的改变除了可能有“知识工作者被机器替换”这类暂时的社会伦理问题,如果从人类发展进化这样更大的维度来看,AI能够带给我们的还有知识的大范围普及,逻辑思考能力的快速提升,以及在与AI互动过程中产生乐趣,激发出不一样的灵感体验。

在这里插入图片描述
(图片来源:网络)

说起AI棋牌游戏,并非新鲜事物。伴随着网络普及,各类竞技网站开始出现,曾经风靡。棋牌的受众主要是生活闲适的年长者和兴趣盎然的青少年,但对于老年人来说,对网络的生疏往往浇灭了热情,而青少年则稍不注意就网络成瘾。况且,用鼠标或者键盘指指点点,怎么样都感觉少了棋盘上的实操感和场景感。

在这里插入图片描述
传统AI棋盘对弈(图片来源:网络)

那么,如何才能既体会到下棋的乐趣,又有真实的场景感受,甚至像是在和真人一样进行对弈?早些年,我们可以在大大小小的各类工业机器人博览会上找到答案。工业机器人原本是为实现搬运、抓取、喷涂等工业流程而设计的硬件智能设备,用在流水线上替代人工可以起到降本增效的效果。为了展示小于毫米级的精准定位和快速抓取、上下料的能力,不少厂商会在展位上摆上棋牌,当机械臂在一分钟内将所有棋子精准摆放,围观群众不禁感叹机械臂的手速和精准度。

在这里插入图片描述
双臂协作机器人展示如何“下棋”(图片来源:网络)

经过多年在视觉技术和机械臂技术上的不断探索,商汤也让元萝卜实现了的毫米级的“抓取”精度。这是一次跨产业界的创新借鉴,但相较于动辄数万元的工业机械臂,元萝卜在机械臂技术的成本上做到了最低成本,而且相较工业机器人的机械风更加可爱。

在这里插入图片描述
“元萝卜SenseRobot”AI下棋机器人

事实上,为了匹配最佳的机械臂方案,商汤也进行了产品的多次版本迭代,从第一代到第六代,实现了从竖直“抓取”向水平位移的转变,这点与工业机器人中的DELTA和SCARA有异曲同工之效。在“手眼协同”之下,元萝卜“动起手来”像人一样,眼快、手准、出招稳。

在这里插入图片描述
精度测试:机械臂可将1毫米的针头,精确识别定位在面板上1.6毫米的孔洞内

在工业生产流水线上,为了防止人机协作过程中遇到机器伤人的事故,工业机器人在设计上都有紧急制动装置。对于元萝卜来说,操作轻便的机械臂看似不需要急停装置也不会对人身造成明显伤害。但为了优化体验感,减少人机对抗对人的心理造成的不适感,元萝卜也搭载了触碰感应系统,当机械臂在行进过程中,如果人碰到机械臂发生阻挡便会停下来,等确认没有物体在行进路线中遮挡之后再重新开启。

在这里插入图片描述
当机械臂触碰到胳膊时,可以紧急停止

除了拥有卓越的“运动”性能,好的产品达到更加极致的“沉浸式体验”也非常重要。电影《阿凡达》之所以大受追捧,和美轮美奂的沉浸观影感受不无关系。对于家居用品来说,什么样的产品属性才能真正获得青睐?为了增强棋手在下棋时的思维深度沉浸,元萝卜通过超过亿局的自我对弈训练,算法已达到大师级别,可以根据人类的走棋,快速推算下棋招数。

在这里插入图片描述
在什刹海公园和“京城棋王”对弈

算法精准分级,级级通关可获专业证书

不过,想要切实感受元萝卜的厉害,还是进行一场现场版的“人机大战”来得更加爽快!

从操作界面看,元萝卜的构造是简约而不简单的,大概由五部分构成,最容易看到的是像搭载视频的智能音箱一样的“门脸”,但它不是触屏,操作需要通过棋盘上的控制按钮来实现。虽然少了触碰操作感,但考虑到抬胳膊可能更累,这样的设计倒也减少手臂的运动量了。

在这里插入图片描述
元萝卜整体设计

在门脸上方的天线安装有摄像头,搭载视觉功能,为的是纵览全局、一览无余。而在门脸的下方,就是进行运动控制机械臂了,臂长比正常成年人的手臂稍短一些,通过两个控制关节实现水平位移。

当机器停止之后,机械臂会自动收回到右侧静置。最后,连接底座的是棋盘,在右下角则是控制屏幕的按钮。

按下开机按钮,屏幕上出现可上下滑动的功能选项,通过方向按钮选择“棋力闯关”“残局挑战”“巅峰对决”等不同模式,然后再选等级难度,选好之后便开始对弈。

棋手可以选择是自己先走,还是让元萝卜先走,如果选择让机器人先走,可以看它会怎么出招。不过第一级的元萝卜思维逻辑还停留在没有“杀手套路”的阶段,它可能先跳个马,或者上个兵,只要你知道“当头炮”路数,就可以将它分分钟秒杀。

虽然新手局非常简单,但进阶的跨越却很不容易,到了第三局,如果不能预判之后三到五步的下法,棋手就非常被动了。

而在整个棋局进展的过程中,屏幕上会实时呈现元萝卜和棋手的输赢概率,这得益于亿局自我对弈训练后的“招招通”,也就是说,基本上目前象棋大师所能想像和运用到的招数,都在元萝卜的认知和掌握的范畴之内。

在这里插入图片描述
亿局自我对弈训练

正是由于对各类招式的谙熟于心,元萝卜通过算法推演,按照不同招式的逻辑链条长度和复杂度分类,最终分成了不同级别的挑战难度,可以让棋手制定进阶路径,成长为专业棋手不是梦。为了让棋手清晰了解到自己的学习成果和专业程度,元萝卜特别设定了针对1~9关的棋力水平的前端引擎,以及10~26关大师级水准的云上引擎。而这个26关,便可以吊打人类的水平了。与此同时,在进阶过程中,奖励回馈也必不可少。为此,元萝卜也得到国家体育总局棋牌管理中心、中国象棋协会的权威认证和授权,为用户提供专业课程,实现足不出户就能完成16到13级的官方象棋考级评测,获得专业证书。

科技+人文:形于外而寓于内

8月9日,“元萝卜SenseRobot”AI下棋机器人发布会召开,主题是“科技+人文”。事实上,在传统文化回归的当下,通过现代科技与传统人文进行更好的融合,不仅仅是商业诉求,也是人们在物质之上,对于精神文明的追求和探索。这一融合的实现,一方面通过外在的形的结合,另一方面则是寓于内的更为深度的交融。

形于外 :当下棋机器人的机械臂在棋盘上舞动,可能是中国象棋史上第一次在棋盘的功能操作上实现现代化机器精准定位,这样相隔两千余年的古今碰撞,让人不惊感叹斗转星移,却又心手相牵。

寓于内 :无论是围棋还是象棋,讲求的都是策略和战略,都是在确定目标之后如何达成的路径运算,对人来说是逻辑思维,对于机器来说就是算法规则,本质上并没有太大的不同。通过机器的算法模拟人类的思维进行教学、娱乐和服务,成为家居人工智能产业化落地的主要场景。

从这两点上看元萝卜的发布在产业界掀起的浪花,虽然大小未知,但这一场穿越古今,在碳基与硅基之间跨界的尝试还是很有意义吧!

(文中来源网络图片如有侵权,请联系处理)

金磊 发自 凹非寺量子位 | 公众号 QbitAI谁能想到跟一个机器人下棋,竟然还能把手指弄折了。这事就发生在莫斯科国际象棋公开赛上,一个7岁男孩正在对战一台国际象棋机器人。然而就在下一秒,机器人的 机械臂 突然狠狠地“咬”住了小选手的手指。从录像中不难看 ,小男孩十分痛苦地在挣扎,但是 机械臂 却迟迟未做 任何反应。随后数名成年人冲进现场,在几人合力之下,才将小朋友的手指从“虎... AlphaGo战胜人类围棋冠军已经好几年过去了,这个话题已经不热了,国内介绍这个项目原理的技术文章也非常多。遗憾的是国内并没有 现几个类似的成功案例,这个问题值得玩味。是不是在实践的路上有很多隐形的关键问题没有公开 来,就算把AlphaGo的源码公开,我们拿过来也做不 一个成功的应用呢? 机器之心报道编辑:蛋酱万幸的是伤势不重,这位 7 岁的棋手第二天回到了赛场,并照常完成了比赛。据俄罗斯通讯社塔斯社报道,在上周的莫斯科国际象棋公开赛上,一个国际象棋机器人折断了一名 7 岁男孩的手指。事发现场的视频显示,机器人在拿走了男孩的一个棋子后,突然扑了上来,似乎是对男孩针对自己上一步落子动作的「快速反应」感到不安。图片素材来源:Baza俄罗斯国际象棋联合会副主席 Sergey Smagin... 金磊 发自 凹非寺量子位 | 公众号 QbitAI“跳水皇后”郭晶晶,教孩子们 下象棋 也是不一般。你以为是花重金聘请象棋大师,手把手、一对一地进行辅导?No,No,No~就在刚刚,郭晶晶亲自爆料了令人意想不到的“独家秘方”——用AI机器人。从曝光的画面来看,这个AI机器人大致由三个部分组成:小小的脑袋,长长的手,棋盘之上稳步走。而且郭晶晶还在现场介绍说,象棋运动其实很早就是... 数据集介绍 本篇博客采用的数据集是 中国象棋 棋子数据集,包含十种棋子分别是帅、仕、象、马、炮、车、兵、卒、将、相。 每个分好类的文件夹里有719张128x128像素的图片,形状一样,但是旋转角度不同数据来源,和鲸社区开放数据集,可以点击下面链接获取 中国象棋 棋子数据集 数据集截图如下: 数据预处理 卷积 神经网络 什么是卷积 神经网络 本篇博客用到的 井字棋是一种决策类下棋游戏,一般情况下先下棋者赢的可能性大一些。为了理解和观察人工智能算法在实际应用上的可行性。因此,我们训练了一个简单的全连接 神经网络 以阻止玩家获胜的空间。对于简单的3x3井字棋游戏,可以使用 神经网络 算法轻... AlphaZero_ChineseChess基于AlphaZero算法,这是一种基于自我对弈的强化学习算法,能够让AI自主学习棋局的优劣、评估策略并不断提高自身的游戏水平。AlphaZero_ChineseChess是一个基于AlphaZero算法的 中国象棋 AI库,它是开源的,使用Python语言编写,托管在GitHub上。智能棋局分析:通过AlphaZero_ChineseChess库,可以快速、准确地分析 中国象棋 的棋局,评估- - 当前局面的优劣,推荐最佳下棋策略;可以通过命令行或图形界面打开程序。 在上篇文章中,我们探讨了如何创造一个能够进行Connect4的对弈大脑。简单的介绍了几种对弈算法,例如极小化极大算法,Alpha-Beta剪枝算法等,最关键的是目前最流行的 神经网络 算法和深度学习。 神经网络 算法,让计算机也有一个想人类一样能够思考的大脑,设置独特的场景来进行学习下棋。在本篇文章中,我们将进一步探讨如何让 机械臂 来实现下棋动作,将想法给实现 来。(换句话说就是,AI 机械臂 下棋)如果感兴趣欢迎观看上篇文章。从理论上来说的话,几乎没有人能够在赢得胜利。 基于3DOF 机械臂 的五子棋机器人–图像处理 文章目录基于3DOF 机械臂 的五子棋机器人--图像处理1. 前言2. 图像处理的思路2.1 棋盘网格构建2.2 棋子的识别3. 盘点上位机设计中的一些问题3.1 命名空间3.2 网格识别3.3 棋子识别 1. 前言   在前面的文章中,机械设计部分和下位机的程序设计思路业已完成。接下来该讲解上位机的设计思路了,上位机主要包括两个部分,分别是:图像处理部分,用于实现棋盘网格的分割以及棋子的识别,最终得到当前棋局的棋盘数据;人工智能部分,通过输入当前棋盘的数据,进行分析 前面介绍了“控制台版本的 神经网络 五子棋”和“MFC对话框版本的 神经网络 五子棋”的开发过程,本文继续介绍一个可用于自主创业的实用案例—— 神经网络 五子棋(家庭版)。因为实用需要考虑到诸多细节,所以本篇文章的篇幅较之前两篇长些。 1. 神经网络 五子棋(家庭版) 该案例虽然命名为家庭版,但不限于家庭使用,其他机构和个人亦均可使用。该版本同样是在MFC对话框上进行开发的,但是增加了人工落子(即用鼠标点击落子)部分,完成了人机对战功能。 (1)创建项目 运行Visual Studio 2015,选择菜单“文件--