{"id":11532,"date":"2024-04-13T16:05:39","date_gmt":"2024-04-13T16:05:39","guid":{"rendered":"https:\/\/dailyai.com\/?p=11532"},"modified":"2024-04-15T11:50:53","modified_gmt":"2024-04-15T11:50:53","slug":"deepmind-train-robot-soccer-players-that-kick-tackle-and-defend","status":"publish","type":"post","link":"https:\/\/dailyai.com\/da\/2024\/04\/deepmind-train-robot-soccer-players-that-kick-tackle-and-defend\/","title":{"rendered":"DeepMind tr\u00e6ner robotfodboldspillere, der sparker, tackler og forsvarer"},"content":{"rendered":"

Forskere ved Googles DeepMind har n\u00e5et en milep\u00e6l inden for robotteknologi ved med succes at tr\u00e6ne 20 cm h\u00f8je humanoide robotter til at spille fodboldkampe \u00e9n mod \u00e9n.\u00a0<\/b><\/p>\n

Deres <\/span>unders\u00f8gelse<\/span><\/a>i Science Robotics, beskriver, hvordan de brugte deep reinforcement learning (RL) til at l\u00e6re robotterne komplekse bev\u00e6gelses- og spilf\u00e6rdigheder.<\/span><\/p>\n

De kommercielt tilg\u00e6ngelige Robotis OP3-robotter<\/a> l\u00e6rt at l\u00f8be, sparke, blokere, rejse sig efter fald og score m\u00e5l - alt sammen uden manuel programmering. <\/span><\/p>\n

I stedet har AI-agenter, der styrer robotterne, tilegnet sig disse evner ved at pr\u00f8ve sig frem i simulerede milj\u00f8er, styret af et bel\u00f8nningssystem.<\/span><\/p>\n

S\u00e5dan fungerer robotfodboldsystemet:<\/span><\/p>\n

    \n
  1. F\u00f8rst tr\u00e6nede de separate neurale netv\u00e6rk kaldet \"f\u00e6rdighedspolitikker\" til grundl\u00e6ggende bev\u00e6gelser som at g\u00e5, sparke og rejse sig op. Hver f\u00e6rdighed blev indl\u00e6rt i et fokuseret milj\u00f8, der bel\u00f8nnede robotten for at mestre den specifikke evne.<\/span><\/li>\n
  2. Ved hj\u00e6lp af en teknik, der kaldes politikdestillation, blev de individuelle f\u00e6rdighedspolitikker derefter sl\u00e5et sammen til et enkelt overordnet politiknetv\u00e6rk. Denne samlede politik kunne aktivere den rette f\u00e6rdighed afh\u00e6ngigt af situationen.<\/span><\/li>\n
  3. Forskerne optimerede derefter masterpolitikken yderligere gennem selvspil, hvor robotten spillede simulerede kampe mod tidligere versioner af sig selv. Denne iterative proces f\u00f8rte til l\u00f8bende forbedringer af strategi og gameplay.<\/span><\/li>\n
  4. For at forberede politikken til brug i den virkelige verden blev det simulerede tr\u00e6ningsmilj\u00f8 randomiseret med hensyn til faktorer som friktion og robottens massefordeling. Det hjalp politikken med at blive mere robust over for fysiske variationer.<\/span><\/li>\n
  5. Efter udelukkende at have tr\u00e6net i simulering blev den f\u00e6rdige politik uploadet til rigtige OP3-robotter, som derefter spillede fysiske fodboldkampe uden behov for yderligere finjustering.<\/span><\/li>\n<\/ol>\n

    For at v\u00e6re \u00e6rlig skal du se det for at tro det, s\u00e5 se med her. Popul\u00e6rvidenskab<\/a>'s videoer nedenfor.<\/p>\n