Savršene vještine: Pogledate kako robot fudbaler uči driblati

Zanimljivosti

DribbleBot može voditi nogometnu loptu na raznim terenima poput pijeska, šljunka, blata i snijega, korištenjem potpomognutog učenja kako bi se prilagodio različitoj dinamici.

Istraživači MIT-a razvili su četveronožnog DribbleBot robota, koji možda neće nikada igrati u finalu Svjetskog nogometnog prvenstva, ali jednog bi dana mogao stvarati velike probleme stoperima.

Istraživači iz Laboratorija za umjetnu inteligenciju MIT-a, koji je dio Laboratorija za kompjutersku nauku i umjetnu inteligenciju (CSAIL), razvili su robotski sistem koji može driblati nogometnu loptu pod istim uvjetima kao i ljudi. Kako bi bot mogao naučiti driblanje, nije dobio trenera, već programera MIT-a koji s njima radi pomoću sustava potpomognutog učenja, što znači da njim upravlja kontrolerom i pokazuje mu razne poteze, koje robot potom treba samostalno reproducirati i koristiti na terenu.

Programiranje robota za igranje nogometa već je neko vrijeme aktivno područje istraživanja. Međutim, tim je želio naučiti robota kako samostalno aktivirati noge tokom driblinga, kako bi se omogućilo otkrivanje vještina koje je teško skriptirati za reagiranje na različitim terenima poput snijega, šljunka, pijeska, trave i afalta.

Robot, lopta i teren su prije slanja u stvarni svijet razvijeni unutar simulacije. Možete učitati bota i druge elemente i postaviti fizičke parametre, a zatim on odatle upravlja simulacijom dinamike. Četiri hiljade verzija robota simulira se paralelno u stvarnom vremenu, omogućujući prikupljanje podataka 4000 puta brže od korištenja samo jednog robota.

Robot počinje bez znanja uči driblati loptu, dobiva nagradu kada to učini ili “kaznu” kada pogriješi. Dakle, u biti pokušava otkriti koji redoslijed sila treba primijeniti svojim nogama.

“Jedan od aspekata ovog pristupa potpomognutom učenju jest da moramo osmisliti dobru nagradu kako bismo olakšali robotu da nauči uspješno dribling”, kaže doktorant MIT-a Gabe Margolis, koji je zajedno s Yandong Jiem, asistentom u istraživanju, vodio rad. “Nakon što osmislimo tu nagradu, dolazi vrijeme za vježbu. U stvarnom vremenu to traje nekoliko dana, a u simulatoru stotine dana. S vremenom postaje sve bolji i bolji u manipulisanju nogometnom loptom kako bi odgovarao željenoj brzini.”

Robot također može navigirati nepoznatim terenima i oporaviti se od padova zahvaljujući kontroleru za oporavak koji je tim ugradio u svoj sustav. Ovaj kontroler omogućuje robotu da se uspravi nakon pada kako bi nastavio voditi loptu.

“Ako danas pogledate oko sebe, većina robota je na točkovima. Ali zamislite da postoji scenarij katastrofe, poplave ili potresa, a mi želimo da roboti pomažu ljudima u procesu potrage i spašavanja. Trebaju nam strojevi za prelazak preko terena koji nisu ravni, a roboti s kotačima ne mogu prijeći te krajolike,” kaže Pulkit Agrawal, profesor MIT-a, glavni istraživač CSAIL-a i direktor Improbable AI Laba.” Cijela poenta proučavanja nožnih robota je ići terenima izvan dosega trenutnih robotskih sistema”, dodaje. “Naš cilj u razvoju algoritama za robote s nogama je osigurati autonomiju na izazovnim i složenim terenima koji su trenutno izvan granica robotskih sistema.”

S hardverske strane, robot ima set senzora koji mu omogućuju da opaža okolinu, osjeti gdje se nalazi, “razumije” svoj položaj i “vidi” nešto od svoje okoline. Ima skup pokretača koji mu omogućuju primjenu sile i pomicanje sebe i predmeta. Između senzora i aktuatora nalazi se kompjuter, ili “mozak”, zadužen za pretvaranje podataka senzora u radnje, koje će primijeniti putem motora. Kada robot trči po snijegu, on ne vidi snijeg, ali ga može osjetiti putem senzora motora. Obzirom da je nogomet zahtjevniji podvig od hodanja, tim je upotrijebio kamere na robotovoj glavi i tijelu za novi senzorni modalitet vida, uz novu motoričku vještinu.

“Naš robot može ići u divljinu jer nosi sve svoje senzore, kamere i kompjutere na sebi. To je zahtijevalo neke inovacije u smislu da cijeli kontroler stane na ovo ugrađeno računalo”, kaže Margolis. “To je jedno područje u kojem učenje pomaže jer možemo pokrenuti laganu neuronsku mrežu i uvježbati je da obrađuje podatke senzora. To je u oštrom kontrastu s većinom današnjih robota: obično je robotska ruka postavljena na fiksnu bazu i sjedi na radnom stolu s ogromnim računalom uključenim ravno u njega”, piše Vidi.hr.

radiosarajevo.ba