Un sistema humanoide de tenis de mesa separa la ejecución del golpe de la selección del tiro, y utiliza el punto de aterrizaje de la pelota para conectar ambas tareas, según un trabajo presentado inicialmente en Arxiv. Cambiar únicamente la política de selección de objetivos produjo grandes diferencias en los resultados frente a tres estrategias de referencia: la estrategia aprendida ganó el 89%, el 82% y el 73% de los puntos.
El objetivo de aterrizaje sirve de interfaz entre las dos tareas. Una política motriz convierte el objetivo solicitado en un golpe ejecutable mediante un planificador de golpes basado en modelos y un controlador aprendido.
Los investigadores mejoraron la política motriz mediante autojuego en intercambios con control en lazo cerrado, en los que otro jugador generaba las pelotas recibidas, en lugar de limitarse a usar pelotas de entrada predefinidas. En esta etapa, los objetivos se seleccionaban sin tener en cuenta al oponente, por lo que este entrenamiento mejoró la ejecución sin enseñar estrategia de juego al sistema.
El autojuego motor mejoró tanto la precisión de los aterrizajes como la tasa de devoluciones válidas durante los intercambios. Después, los investigadores congelaron todo el sistema de control motor y utilizaron autojuego competitivo para entrenar una política independiente, a nivel de golpe, que eligiera los objetivos de aterrizaje.
Frente a las estrategias de referencia de apuntar al centro, elegir al azar y enviar la pelota lejos del oponente, la estrategia aprendida ganó el 89%, el 82% y el 73% de los puntos, respectivamente. Sus elecciones de objetivo variaban según la posición del oponente y el objetivo anterior, en vez de depender únicamente de ubicaciones fijas.
Al mantener fijo el sistema de control motor, el resultado permite comparar la selección de objetivos, no cambios en el controlador del golpe. En hardware, el mismo sistema de ejecución y la misma interfaz estratégica permitieron disputar partidos completos a 11 puntos contra un oponente humano aficionado, con intercambios de varios golpes que incluyeron devoluciones de derecha y de revés.