ببینید، ربات های انسان نمای گوگل در زمین چمن، فوتبال بازی می کنند - تور آسیایی ارزان

غزال زیاری: DeepMind گوگل حالا این توانایی را دارد تا با آموزش ربات های کوچک، آنها را به زمین فوتبال بفرستد. در مقاله جدیدی که در مجله Science Robotics منتشر شده، محققان درباره تلاش هایشان برای تطبیق زیرمجموعه ای از یادگیری ماشینی به نام یادگیری تقویتی عمیق (Deep RL) توضیح داده اند که از آن برای آموزش نسخه ساده شده ورزش فوتبال به ربات های دوپا استفاده می شود.

اعضای این تیم، یادآور شده اند که در آزمایش های مشابه گذشته، ربات های چهارپای مشابه و چابکی ساخته بودند ولی تلاش چندانی برای ساخت ربات های دوپا و انسان نما انجام نشده بود. اما ویدیوی اخیر منتشر شده، ربات های دوپا را در حال دریبل زدن، دفاع و شوت زنی به سمت دروازه حریف نشان می دهد و حکایت از آن دارد که یادگیری تقویت عمیق مربی چقدر در ماشین های انسان نما، کاربردی و خوب است.

ورود ربات ها به عرصه های مختلف

این درحالی است که این ربات ها در نهایت در پروژه های عظیمی مثل پیش بینی آب وهوا و مهندسی مواد طراحی شده اند. اما بدین ترتیب Google DeepMind این قابلیت را دارد که در بازی هایی مثل شطرنج و یا حتی Starcraft II رقبای انسانی را از پیش رو بردارد. البته همه این مانورهای استراتژیک به حرکات و هماهنگی های فیزیکی پیچیده ای نیاز ندارند.

هرچند که DeepMind تا به امروز توانسته تا به بررسی حرکات شبیه سازی شده فوتبال بپردازد ولی هنوز قادر نبوده تا آن را در زمین بازی فیزیکی پیاده سازی کند که این روند هم با سرعت بالایی در حال تغییر است.

مهندسان برای ساخت یک فوتبالیست مینیاتوری، در ابتدا دو مجموعه مهارت عمیق RL را در شبیه سازی کامیپوتری ساخته و آموزش دادند که عبارت بود از توانایی بلند شدن از روی زمین و نحوه به ثمر رساندن گل مقابل یک حریف آموزش ندیده. پس از آن، آنها عملا سیستم شان را آموزش دادند تا با ترکیب این مجموعه مهارت ها، یک مسابقه کامل فوتبال دو نفره (یک به یک) را برگزار کرده و بعد از آن به شکلی تصادفی آنها را مقابل ربات هایی که تا حدودی تمرین داده شده بودند به میدان فرستادند.

در مرحله دوم، این ربات ها یادگرفتند تا مهارت هایی که قبلا آموخته بودند را با هم ترکیب کنند؛ سپس این مهارت ها را برای انجام وظایف کاملا فوتبالی ترکیب کرده و رفتار حریف را پیش بینی کنند. در جریان بازی، این ربات ها به شیوه ای کاملا روان، وظایف مختلفی را پیاده سازی می کردند.

به لطف RL، ربات های DeepMind خیلی زود یاد گرفتند تا توانایی هایشان را در نحوه ضربه زدن و شوت زدن به توپ، مهار شوت ها و حتی دفاع از دروازه در برابر حریف با استفاده از بدن بهبود ببخشند.

• از دودکش جن تا لاماها در برف/ تصاویری که روح انسان را جلا می دهند/ عکس
• بادبان ها را بکشید؛ 1000سال دیگر به مقصد می رسیم/ فیلم

حرفه ای تر از پیش بینی ها

در جریان مسابقات یک به یک بااستفاده از ربات های آموزش دیده از طریق Deep RL، این دو ورزشکار مکانیکی سریع تر از آنچه مهندسان مهارت های مقدماتی شان را تنظیم کرده بودند، راه می رفتند، می چرخیدند، شوت می زدند و می ایستادند. این ها اصلا پیشرفت های کوچکی نبود. ربات ها 181% سریع تر راه می رفتند. 302% سریع تر می چرخیدند، 34% سریع تر شوت می زدند و 63% به زمان کمتری برای بلند شدن بعد از زمین خوردن نیاز داشتند. به علاوه ربات های آموزش دیده از طریق Deep RL ، رفتارهای جدیدی را برای چرخیدن و تغییر پای شان به نمایش گذاشتند.

البته هنوز برای آنکه ربات های مجهز به DeepMind بتوانند به مسابقات RoboCup برسند، به اقدامات و تلاش های بیشتری نیاز است. در این تست های ابتدایی، محققان تمرکزشان را بر آموزش شبیه سازی برپایه Deep RL قرار داده اند تا بعد این اطلاعات را به ربات های فیزیکی منتقل کنند. در آینده، مهندسان قصد دارند تا هر دو آموزش تقویتی مجازی و همزمان را در ربات ها ترکیب کنند و امیدوارند تا بتوانند تعداد این ربات های فوتبالیست را افزایش دهند که البته این به آزمایش ها و تنظیمات دقیق بیشتری نیاز خواهد داشت.

اعضای این تیم معتقدند که با بهره گیری از رویکردهای مشابه Deep RL در فوتبال و بسیاری از کارهای دیگر، می توان پیشرفت های زیادی در حرکات و توانایی های سازگاری در زمان واقعی در ربات های دوپا ایجاد کرد. با این وجود بعید به نظر می رسد که ربات های انسان نمای DeepMind را به زودی در زمین های فوتبال با مقدار واقعی یا در بازار کار ببینیم. در عین حال با توجه به پیشرفت های مستمر این ربات ها، بد نیست که خودمان را برای رویارویی با چنین اتفاقاتی آماده کنیم.

منبع : popsci

54