利用蒙特卡罗法，国外老哥成功制造出 100% 投篮命中的篮板！
小白学视觉
共 2875字，需浏览 6分钟
·
2021-07-14 17:10
点击上方“小白学视觉”，选择加"星标"或“置顶”
重磅干货，第一时间送达
本文转自：深度学习算法与计算机视觉
要打造一块百发百中的篮板绝非易事。
因为每次投篮的角度不一样，球撞击篮板的运动轨迹就会发生变化，加上重力的影响，在 Shane Wighton 创造出来的篮筐之前，我们很难想象一个百发百中的篮板会是什么样。
那么，这位工程师又是如何实现的？
（来源：YouTube）
他一开始就非常清楚地锁定了这一点，这种 “引导” 的能力必须基于篮板具有一定的弧度。
但是，又是什么样的弧度才能具备这种百发百进的能力？在篮球入框概率小的位置，这种辅助弧度能帮助纠正运动轨迹。
每一点的 “辅助弧度” 集合和优化，就将是这个万能篮球板的全貌。
显然，这并非一个简单的数学模型计算就能解决。
为了确定篮板的最佳形状，让不同角度打到篮板的球都能落入篮框中，Wighton 专门开发一个电脑软件，可以模拟数百种不同角度和速度的投篮。
这个电脑软件所需要做的，就是利用蒙特卡洛法暴力求解。
蒙特卡洛法是一种著名的数学方法，它通过对大量事件的统计结果来实现对确定性事件的计算，换句话说，就是先大量模拟，然后统计目标事件发生的次数，再用这个发生次数除以总模拟次数，就得到想要的结果。比如，有两个筛子，想要确定扔出两个 1 的概率是多少，那么可以扔一万次，记录下出现 “双 1” 的次数，用得到的次数除以 1 万次，就是结果了。科幻小说《三体》中，数学家魏成探索三体问题，正是基于这种方法，他将复杂的三体问题简化成数学模型，繁重的公式推导由此转变成统计量问题。
许多人在现实生活中听说这种数学思想，恐怕还是源于 2016 年的 AlphaGo 战胜李世石。当时，初代 AlphaGo 就是借助蒙特卡洛树搜索法，结合深度神经网络，将取得棋局胜利的目标分解成数千个可能的节点，在每一步反应后评估最有可能成功的下一步，并进一步探索这个 “分支”。
接下来的事情就简单多了，有了形状之后借助计算机进行 3D 建模，再将其分成若干份并标上数字，使用数控机床和 3D 打印，老哥拥有了制造出来这样一块篮板所需的部件，再用加上一些膨胀泡沫用以填补木板与木板之间的裂缝，最后组装成完整的光滑篮板。
看到这里你可能会想，完蛋了，老哥又要重新开始操作一轮。
然而，老哥解决这个问题的思路非常简单：把篮筐往前调了一些距离，移动了 6 厘米。
在完成这一步之后，“魔法” 显灵了。视频演示中确实发发命中了。
这个长达 21 分钟的视频受到了很多网友的热烈反响，观看次数超过 435 万，一则是老哥再次展示了科学知识的魅力所在，如果你没有投中篮筐的能力，科学知识可以帮你解决这个问题（当然前提是你投的球还是得碰到篮筐）。
另外，老哥整个解决问题的思维阐述和操作过程都非常完整，从提出问题、分析问题到解决问题，堪称产学研一条龙典范。事实上，老哥没有因为这件事在旁人看来可能比较无聊而放弃，Wighton 表示自己一直想设计一个这样的篮筐，直到这次疫情给了他这个闲暇的时间。
有网友调侃，嘉年华应该引进这个篮板，游戏规则是：投篮打板不中，赢得一个奖品。
有网友建议 Wighton 去给这个设计申请专利，然后找到一家可以批量生产公司，“我会买一个，看起来很有趣”。
前 NASA 和 Apple 工程师、现油管网红 Mark Rober 也在视频下留言称，“这真的很酷，有点像我的想法，我想和你讨论一下。” 并留下了自己邮箱。
据悉，Wighton 目前没有将这款篮球框原型商品化的计划，但他可能会针对办公室场景为垃圾桶制作一个微型版本，这个版本可能会面向消费者售卖。
交流群
欢迎加入公众号读者群一起和同行交流，目前有SLAM、三维视觉、传感器、自动驾驶、计算摄影、检测、分割、识别、医学影像、GAN、算法竞赛等微信群（以后会逐渐细分），请扫描下面微信号加群，备注：”昵称+学校/公司+研究方向“，例如：”张三 + 上海交大 + 视觉SLAM“。请按照格式备注，否则不予通过。添加成功后会根据研究方向邀请进入相关微信群。请勿在群内发送广告，否则会请出群，谢谢理解~
评论