Forskere ved Googles DeepMind har oppnådd en milepæl innen robotteknologi ved å trene opp 20 tommer høye humanoide roboter til å spille fotballkamper én mot én.
Deres studiepublisert i Science Robotics, beskriver hvordan de brukte dyp forsterkningslæring (RL) til å lære robotene komplekse bevegelses- og spillferdigheter.
De kommersielt tilgjengelige Robotis OP3-roboter lært å løpe, sparke, blokkere, reise seg etter fall og score mål - alt uten manuell programmering.
I stedet har AI-agenter som styrer robotene, tilegnet seg disse evnene gjennom prøving og feiling i simulerte miljøer, styrt av et belønningssystem.
Slik fungerer robotfotballsystemet:
- Først trente de opp separate nevrale nettverk, såkalte "skill policies", for grunnleggende bevegelser som å gå, sparke og reise seg opp. Hver ferdighet ble innlært i et fokusert miljø som belønnet roboten for å mestre den spesifikke evnen.
- Deretter ble de individuelle ferdighetspolicyene slått sammen til ett overordnet policynettverk ved hjelp av en teknikk som kalles policydestillasjon. Denne enhetlige policyen kunne aktivere den riktige ferdigheten avhengig av situasjonen.
- Forskerne optimaliserte deretter masterstrategien ytterligere gjennom selvspill, der roboten spilte simulerte kamper mot tidligere versjoner av seg selv. Denne iterative prosessen førte til kontinuerlige forbedringer i strategi og spill.
- For å forberede retningslinjene for bruk i den virkelige verden ble det simulerte opplæringsmiljøet randomisert med hensyn til faktorer som friksjon og robotmassefordeling. Dette bidro til at retningslinjene ble mer robuste overfor fysiske variasjoner.
- Etter å ha trent utelukkende i simulering, ble den ferdige policyen lastet opp til ekte OP3-roboter, som deretter spilte fysiske fotballkamper uten behov for ytterligere finjusteringer.
For å være ærlig må du se det for å tro det, så se her Populærvitenskap's videoer nedenfor.
Som du kan se, er resultatene ganske bemerkelsesverdige - dynamiske og kvikke, de snurrer for å endre retning og koordinerer lemmer for å sparke og balansere samtidig.
DeepMind beskriver suksessen i artikkelen: "Den resulterende agenten utviser robuste og dynamiske bevegelsesferdigheter, som rask falloppretting, gange, sving og spark, og den skifter mellom dem på en smidig og effektiv måte. Den har også lært seg å forutse ballbevegelser og blokkere motstanderens skudd."
Sammenlignet med en mer standard regelbasert policy som var programmert spesielt for OP3, leverte DeepMinds RL-tilnærming langt bedre ytelse.
De AI-trente robotene gikk 181% raskere, snudde seg 302% raskere, reiste seg 63% raskere etter fall og sparket ballen 34% hardere.
Sammen med DeepMinds fremskritt innen AI-optimalisert fotballtrening i samarbeid med Liverpool FC, fotball, er vi trolig på vei mot en mer digitalisert tid i idretten.
Det er sannsynligvis bare et tidsspørsmål før vi får en Robot League der spesialtilpassede roboter møtes i høyoktan konkurransesport.
