{"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\/nb\/2024\/04\/deepmind-train-robot-soccer-players-that-kick-tackle-and-defend\/","title":{"rendered":"DeepMind trener opp robotfotballspillere som sparker, takler og forsvarer"},"content":{"rendered":"

Forskere ved Googles DeepMind har oppn\u00e5dd en milep\u00e6l innen robotteknologi ved \u00e5 trene opp 20 tommer h\u00f8ye humanoide roboter til \u00e5 spille fotballkamper \u00e9n mot \u00e9n.\u00a0<\/b><\/p>\n

Deres <\/span>studie<\/span><\/a>publisert i Science Robotics, beskriver hvordan de brukte dyp forsterkningsl\u00e6ring (RL) til \u00e5 l\u00e6re robotene komplekse bevegelses- og spillferdigheter.<\/span><\/p>\n

De kommersielt tilgjengelige Robotis OP3-roboter<\/a> l\u00e6rt \u00e5 l\u00f8pe, sparke, blokkere, reise seg etter fall og score m\u00e5l - alt uten manuell programmering. <\/span><\/p>\n

I stedet har AI-agenter som styrer robotene, tilegnet seg disse evnene gjennom pr\u00f8ving og feiling i simulerte milj\u00f8er, styrt av et bel\u00f8nningssystem.<\/span><\/p>\n

Slik fungerer robotfotballsystemet:<\/span><\/p>\n

    \n
  1. F\u00f8rst trente de opp separate nevrale nettverk, s\u00e5kalte \"skill policies\", for grunnleggende bevegelser som \u00e5 g\u00e5, sparke og reise seg opp. Hver ferdighet ble innl\u00e6rt i et fokusert milj\u00f8 som bel\u00f8nnet roboten for \u00e5 mestre den spesifikke evnen.<\/span><\/li>\n
  2. Deretter ble de individuelle ferdighetspolicyene sl\u00e5tt sammen til ett overordnet policynettverk ved hjelp av en teknikk som kalles policydestillasjon. Denne enhetlige policyen kunne aktivere den riktige ferdigheten avhengig av situasjonen.<\/span><\/li>\n
  3. Forskerne optimaliserte deretter masterstrategien ytterligere gjennom selvspill, der roboten spilte simulerte kamper mot tidligere versjoner av seg selv. Denne iterative prosessen f\u00f8rte til kontinuerlige forbedringer i strategi og spill.<\/span><\/li>\n
  4. For \u00e5 forberede retningslinjene for bruk i den virkelige verden ble det simulerte oppl\u00e6ringsmilj\u00f8et randomisert med hensyn til faktorer som friksjon og robotmassefordeling. Dette bidro til at retningslinjene ble mer robuste overfor fysiske variasjoner.<\/span><\/li>\n
  5. Etter \u00e5 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.<\/span><\/li>\n<\/ol>\n

    For \u00e5 v\u00e6re \u00e6rlig m\u00e5 du se det for \u00e5 tro det, s\u00e5 se her Popul\u00e6rvitenskap<\/a>'s videoer nedenfor.<\/p>\n