Mengembangkan pemain tenis meja yang kompetitif dari lengan robot
Para peneliti dari Google Deepmind, laboratorium penelitian kecerdasan buatan perusahaan, mengembangkan ABB robot bertransformasi menjadi pemain tenis meja yang kompetitif. Dia dapat mengayunkan dayung cetak 3D-nya maju mundur dan menang melawan pesaing manusianya. Dalam penelitian yang dipublikasikan peneliti pada 7 Agustus 2024, lengan robot ABB bermain melawan pelatih profesional. Itu dipasang pada dua portal linier yang memungkinkannya dipindahkan ke samping.
Berisi dayung cetakan 3D dengan biji karet pendek. Segera setelah permainan dimulai, lengan robot Google Deepmind menyerang, siap untuk menang. Para peneliti melatih lengan robot untuk melakukan keterampilan yang biasanya digunakan dalam kompetisi tenis meja sehingga dapat mengumpulkan data. Robot dan sistemnya mengumpulkan data tentang bagaimana setiap keterampilan dilakukan selama dan setelah pelatihan. Data yang dikumpulkan ini membantu pengontrol membuat keputusan tentang jenis kemampuan apa yang harus digunakan lengan robot selama bermain game. Dengan cara ini, lengan robot dapat memiliki kemampuan untuk memprediksi pergerakan lawannya dan mencocokkannya.
Semua gambar video adalah milik peneliti Atil Iscen via Youtube
Peneliti Google Deepmind mengumpulkan data untuk pelatihan
Agar lengan robot ABB bisa menang melawan kompetitornya, the peneliti Kami di Google Deepmind perlu memastikan bahwa perangkat dapat memilih gerakan terbaik berdasarkan situasi saat ini dan melawannya dengan teknik yang tepat dalam hitungan detik. Untuk mengelolanya, peneliti menulis di milik mereka belajar yang memasang sistem dua bagian pada lengan robotiknya, yaitu kebijakan keterampilan tingkat rendah dan pengontrol tingkat tinggi. Yang pertama mencakup rutinitas atau keterampilan yang telah dipelajari lengan robot dalam tenis meja.
Ini termasuk memukul bola dengan topspin menggunakan forehand serta backhand dan melakukan servis bola menggunakan forehand. Lengan robot mempelajari masing-masing kemampuan ini untuk membangun “seperangkat prinsip” dasarnya. Yang terakhir, pengontrol tingkat tinggi, adalah orang yang memutuskan kemampuan mana yang akan digunakan selama permainan. Perangkat ini dapat membantu Anda mengevaluasi apa yang sedang terjadi di dalam game. Dari sini, peneliti melatih lengan robot tersebut dalam lingkungan simulasi, atau lingkungan permainan virtual, menggunakan metode yang disebut Reinforcement Learning (RL).
Peneliti Google Deepmind telah mengubah lengan robot ABB menjadi pemain tenis meja yang kompetitif
Lengan robot memenangkan 45% permainan
Dengan melanjutkan pembelajaran penguatan, metode ini membantu robot berlatih dan mempelajari berbagai keterampilan, dan setelah pelatihan dalam simulasi, keterampilan lengan robot diuji dan digunakan di dunia nyata tanpa pelatihan lebih lanjut khusus untuk lingkungan nyata. Sejauh ini, hasilnya menunjukkan kemampuan perangkat untuk menang melawan lawannya dalam suasana kompetitif tenis meja.
Untuk melihat betapa bagusnya bermain tenis meja, lengan robot tersebut bermain melawan 29 pemain manusia dengan tingkat keahlian berbeda: pemula, menengah, lanjutan, dan lanjutan plus. Peneliti Google Deepmind meminta setiap pemain manusia memainkan tiga permainan melawan robot. Aturannya sebagian besar sama dengan tenis meja biasa, hanya saja robotnya tidak bisa melakukan servis bola.
Studi tersebut menemukan bahwa lengan robot memenangkan 45% pertandingan dan 46% pertandingan individu
Dari permainan tersebut, para peneliti menyimpulkan bahwa lengan robot memenangkan 45% permainan dan 46% permainan individu. Melawan pemula, ia memenangkan setiap pertandingan, sementara melawan pemain perantara, lengan robot memenangkan 55% permainan.
Di sisi lain, perangkat tersebut kalah dalam semua pertandingannya melawan pemain tingkat lanjut dan tingkat lanjut plus, yang menunjukkan bahwa lengan robot tersebut telah mencapai tingkat permainan manusia tingkat menengah dalam reli. Melihat ke masa depan, peneliti Google Deepmind meyakini kemajuan ini “Ini juga hanya sebuah langkah kecil menuju tujuan jangka panjang dalam bidang robotika: mencapai kinerja tingkat manusia dalam banyak keterampilan yang berguna di dunia nyata.”
Melawan pemain perantara, lengan robot memenangkan 55% permainan
Di sisi lain, perangkat kalah dalam semua pertandingan melawan pemain tingkat lanjut dan tingkat lanjut plus
lengan robot telah mencapai permainan manusia tingkat menengah dalam reli
informasi proyek:
kelompok: Google Pikiran Dalam | @googledeepmind
peneliti: David B. D'Ambrosio, Saminda Abeyruwan, Laura Graesser, Atil Iscen, Heni Ben Amor, Alex Bewley, Barney J. Reed, Krista Reymann, Leila Takayama, Yuval Tassa, Krzysztof Choromanski, Erwin Coumans, Deepali Jain, Navdeep Jaitly, Natasha Jaques, Satoshi Kataoka, Yuheng Kuang, Nevena Lazic, Reza Mahjourian, Sherry Moore, Kenneth Oslund, Anish Shankar, Vikas Sindhwani, Vincent Vanhoucke, Grace Vesom, Peng Xu, dan Pannag R. Sanketi
Matteo Burgos | booming desain
10 Agustus 2024