人工智慧什麼都難不倒它?要應援,要組隊都可以!
雖然複賽仍以閉門的模式——不開放觀眾到場，少了擊鼓應援、加油的吶喊聲，恐會讓比賽冷場走味。但俗話說「養兵千日，用在一時」，這不就是那些機器人們「神救援」的好時機嗎？職棒界的「點子王」——主場位於桃園的樂天桃猿隊，除了在觀眾席設下靜態人形立牌、人偶充當觀眾之外，還增設桃園在地祥儀機器人夢工廠的機器人應援團「AI 精靈樂團」，擊鼓替球員加油，增添看球趣味性。
機器人都能應援球賽了，那AI是否能上場打球？
現實世界中，一位職棒選手的養成，可說是經歷千辛萬苦。台灣職棒選手前往美國挑戰大聯盟，多是年輕時就從小聯盟開始訓練（除了從日職轉戰大聯盟的陳偉殷之外）。小聯盟又分成六級別，所以一待就是好幾年，也不一定能打到大聯盟。 除了需要長年經驗，棒球的技巧也是千變萬化。投手不可能只是丟個直球而已，還會隨機出現卡特球、伸卡球、滑球、螺旋球等出其不意的球路，加上僅僅只有零點幾秒的速度……人工智慧機器人是否有能力打到球呢？ 交通大學電控所蕭得聖教授所領導的團隊，長期鑽研打棒球的機器人。他們的目標不只是要讓 AI 機器人打得到球，還要擊出安打！針對打造此類「安打機器人」，蕭教授提到了四個關鍵點：
四關鍵點 成就人工智慧棒球員「安打機器人」
首先，機器人要能「看」得準個是來球！為能讓機器人能即時測量球體在三度空間中的飛行軌跡，超高速雙眼攝影機是必須配備。以現今的技術來說是可行的，預算充足的話，連球的縫線都能看得清清楚楚！ 只看得到球還不夠，還要能把球打出去！此時就要依照球的質量、慣量、球速等數值，估算出球衝擊到球棒時的動量（描述物體「運動狀態與慣性大小」的空間向量）。這影響到機器人手臂的材質、馬達必須輸出多少力距等等。 若以上兩條件都實現了，就夠了嗎？不！還要經過「磨合」的階段，彼此校正，讓攝影機與機器手臂間的訊息傳遞同步、協調，避免眼手「各行其事」不同調。 現在能看能打的機器人出來了！前面提到，蕭教授的目標是機器人「每打必能擊出安打」，所以除了「眼明手快」的條件達成之外，還要「精準地預測球通過本壘板時的位置與速度」，因此需要能「精準預測球體飛行軌跡的模型」。這個模型決定了棒球機器人的成敗。快速球、選轉球……每位投手投球時各有獨門祕技，甚至還會妙用球的縫線做變化。因此要打造球體飛行軌跡的預測模型，必須考慮到重力、空氣阻力等來自四面八方的外力以及其他的複雜狀況，對於各式球路所造成的影響。這套精準模型其中的秘辛，都是蕭教授的 know-how 。
本篇為上篇，下篇請點此連結
相關文章:
從哆啦A夢到 iPhone...為何 UI 設計用「圓角」就是比較討喜？
APCS 程式檢定，該從 C、Java 還是 Python 下手？
【前端工程師CSS教學】定位元素Positioning Elements
狗狗是人工智慧的最佳教練！Google AI機器人學狗左轉右彎還能小跑
人工智慧讓視障朋友看見世界(上)
人工智慧學校執行長陳昇瑋驟世!
人工智慧用Python輕鬆寫出專屬自己的番茄鐘(下)
