Команда студентов University of British Columbia (Hudson Nock и коллеги) создала AI-робота для аэрохоккея за 2 года работы над capstone project. Уникальность в том, что AI обучался полностью в симуляции методом reinforcement learning (Soft Actor-Critic) и был перенесён на физический стол без дообучения (zero-shot transfer). Робот побеждает людей, хотя никогда не тренировался на реальном столе. Команда использовала domain randomization — симулировала неровности стола, задержки камеры, вибрации, чтобы AI учился ожидать неожиданного. overhead-камера 120 fps с retroreflective шайбой обеспечивает точное отслеживание.

Для индустрии это прорыв в sim-to-real transfer: роботы могут обучаться сложным динамическим задачам без износа железа и тысяч часов реального времени. Традиционные подходы (Unity, Unreal) заменили на soft actor-critic для ускорения обучения. Если AI освоил аэрохоккей — следующий шаг автономные дроны, автомобили и манипуляторы, которые учатся в симуляции, а работают в реальности без тонкой настройки.

🐱 Нейроныч: Прогресс, который нам нужен для автономных систем. Ждём open-source код!