editor
Google DeepMind, bir Robotu amatör düzeyde rekabetçi performansa eşdeğer bir masa tenisi oyunu oynaması için eğittiğini duyurdu. Şirket, bir robota insanlarla insan seviyesinde bir sporu oynamanın öğretildiğini iddia ediyor. Araştırmacılar, 3D baskılı bir raket kullanan robotik bir kolun, tam rekabetçi masa tenisi oyunlarında farklı yeteneklere sahip insan rakiplere karşı 29 oyundan 13’ünü kazanmasını sağladı. Bu araştırma, bir Arxiv makalesinde yayımlandı.
Ancak sistem mükemmel olmaktan uzak. Masa tenisi robotu, karşılaştığı başlangıç seviyesindeki tüm insan rakiplerini ve amatör seviyede oynayanların %55’ini yenebilmiş olsa da, ileri seviyedeki oyunculara karşı tüm oyunları kaybetmiştir. Yine de bu, önemli bir ilerleme kaydedildiğinin bir göstergesi. Projeyi yöneten Google DeepMind’da kıdemli yazılım mühendisi olan Pannag Sanketi, “Birkaç ay önce bile, robotun daha önce oynamadığı insanlara karşı gerçekçi bir şekilde kazanamayabileceğini öngörmüştük. Sistem kesinlikle beklentilerimizi aştı,” diyor. “Robotun güçlü rakiplerini bile alt etme şekli akıllara durgunluk vericiydi.”
- Delta Air Lines, Microsoft ve CrowdStrike’a Karşı Yasal Adım Atıyor
- Gazze’yi Aç Bırakma Sözleri: İsrail’in Aşırı Sağcı Bakanı Uluslararası Tepkilerin Odağında
Bu araştırma, yalnızca eğlence ve oyunla sınırlı değil. Robotik topluluğunun uzun süredir hedefi olan, evler ve depolar gibi gerçek ortamlarda yararlı görevleri ustalıkla ve güvenli bir şekilde yerine getirebilecek robotlar yaratmaya yönelik bir adımı temsil ediyor. New York Üniversitesi’nde bilgisayar bilimleri araştırmacısı olan ve projede çalışmayan Lerrel Pinto, Google DeepMind’ın makineleri eğitme yaklaşımının alanın diğer birçok alanına uygulanabilir olduğunu belirtiyor: “Robot sistemlerinin gerçek insanlarla birlikte ve onların etrafında çalıştığını görmek harika bir şey ve bu bunun mükemmel bir örneği” diyor. “Güçlü bir oyuncu olmayabilir, ancak gelişmeye devam etmek ve sonunda oraya ulaşmak için ham maddeler var.”
Yetkin bir masa tenisi oyuncusu olmak için insanlar mükemmel el-göz koordinasyonuna, hızlı hareket etme yeteneğine ve rakibine tepki verirken hızlı kararlar almaya ihtiyaç duyarlar; bunların hepsi robotlar için önemli zorluklardır. Google DeepMind’ın araştırmacıları, sistemi bu yetenekleri taklit edecek şekilde eğitmek için iki aşamalı bir yaklaşım benimsediler: İlk olarak, robotu vuruş becerilerinde ustalaşması için bilgisayar simülasyonları ile eğittiler; ardından gerçek dünya verileri kullanarak ince ayar yaptılar, bu da zaman içinde gelişimini sağladı.
Araştırmacılar, pozisyon, spin ve hız verilerini içeren bir masa tenisi topu durumu veri kümesi derledi. Sistem, servis karşılama, forehand topspin veya backhand vuruş gibi becerileri öğrenmek için masa tenisi maçlarının fiziğini doğru bir şekilde yansıtacak şekilde tasarlanmış simüle edilmiş bir ortamda bu kütüphaneden yararlandı. Ancak robotun sınırlamaları, topa servis atamayacak şekilde programlanmış olmasından kaynaklandığı için gerçek dünya oyunları buna uyacak şekilde değiştirildi. Robot, insan rakipleriyle yaptığı maçlar sırasında becerilerini geliştirmek için performansı hakkında veri topluyor. Bir çift kamera tarafından yakalanan verileri kullanarak topun konumunu izliyor ve rakibinin raketindeki LED’leri kullanan bir hareket yakalama sistemi aracılığıyla insan rakibinin oyun stilini takip ediyor. Top verileri, eğitim için simülasyona geri beslenerek sürekli bir geri bildirim döngüsü oluşturuyor. Bu geri bildirim, robotun rakibini yenmek için yeni beceriler denemesine olanak tanıyor; yani taktiklerini ve davranışlarını tıpkı bir insan gibi ayarlayabiliyor. Böylece, hem belirli bir maç boyunca hem de zaman içinde daha fazla oyun oynadıkça giderek daha iyi hale geliyor.
Ancak sistem, topa çok hızlı, görüş alanının ötesinde (masanın altı fitten fazla üzerinde) veya çok alçaktan vurulduğunda raketine zarar verebilecek çarpışmalardan kaçınmasını sağlayan bir protokole sahip olduğundan, topa vurmakta zorlandı. Ayrıca, dönen toplar, dönüşü doğrudan ölçme kapasitesinden yoksun olduğundan zorluk oluşturdu; bu, ileri düzey oyuncuların hızla avantaj sağladığı bir sınırlama. Robotik şirketi Mytra’nın kurucusu ve daha önce Tesla’nın robotik ekibinin başkanı olan Chris Walti, bir robotu simüle edilmiş bir ortamda tüm olasılıklar için eğitmenin gerçek bir zorluk olduğunu belirtiyor. “Gerçek dünyayı gerçekten simüle etmek çok ama çok zor çünkü bir rüzgar veya hatta [masadaki] toz gibi çok fazla değişken var,” diyor. “Çok gerçekçi simülasyonlara sahip olmadığınız sürece, bir robotun performansı sınırlı olacaktır.”
Google DeepMind, bu sınırlamaların üstesinden gelmek için, topun yörüngesini tahmin etmek için tasarlanmış öngörülü yapay zeka modelleri geliştirmek ve daha iyi çarpışma algılama algoritmaları sunmak gibi çeşitli yöntemler benimsediğine inanıyor. En önemlisi, insan oyuncular robotik kolla yaptıkları maçlardan keyif aldılar. Onu yenebilen ileri düzey yarışmacılar bile, bu deneyimi eğlenceli ve ilgi çekici bulduklarını ve robotun becerilerini geliştirmelerine yardımcı olacak dinamik bir pratik ortağı olma potansiyeline sahip olduğunu belirttiler. Çalışma katılımcılarından biri, “Kesinlikle bir antrenman partneri olarak, zaman zaman maç yapabileceğim biri olmasını isterdim,” dedi.
Bu çalışma, robot teknolojisinin geleceği için umut verici bir adım olarak öne çıkıyor. Robotların insanlarla etkileşim kurma yeteneği, potansiyel uygulamalarıyla birlikte büyük bir gelişim gösteriyor ve gelecekte daha fazla spor dalında benzer uygulamaların görülebileceğinin sinyallerini veriyor.
