Google DeepMind ‘tamamen amatör’ bir masa tenisi robotu geliştirdi

Spor uzun süredir robotlar için önemli bir test görevi görüyor. Bu olgunun en bilinen örneği, geçmişi 1990’ların ortalarına kadar uzanan yıllık RoboCup futbol müsabakası olabilir. Masa tenisi, on yıl öncesinden bu yana robot kollarının karşılaştırılmasında önemli bir rol oynadı. Spor, diğer şeylerin yanı sıra hız, tepki verme yeteneği ve strateji gerektirir.

Google’ın DeepMind Robotics ekibi, “İnsan Seviyesinde Rekabetçi Robot Masa Tenisine Ulaşmak” başlıklı yeni yayınlanan bir makalede, oyunla ilgili kendi çalışmalarını sergiliyor. Araştırmacılar, bir insan bileşeniyle karşılaştırıldığında etkili bir şekilde “tamamen amatör insan seviyesinde bir oyuncu” geliştirdiler.

Test sırasında masa tenisi botu, karşılaştığı tüm başlangıç ​​seviyesindeki oyuncuları yenmeyi başardı. Orta düzey oyuncularla robot maçların %55’ini kazandı. Ancak profesyonellerle karşılaşmaya hazır değil. Robot, ileri düzey bir oyuncuyla karşılaştığında her defasında kaybediyordu. Toplamda sistem oynadığı 29 maçın %45’ini kazandı.

Makalede “Bu, insanlarla insan seviyesinde spor yapabilen ilk robot ajandır ve robot öğrenimi ve kontrolünde bir dönüm noktasını temsil etmektedir” iddiası yer alıyor. “Ancak bu aynı zamanda robot biliminde, birçok yararlı gerçek dünya becerisinde insan düzeyinde performans elde etme yönünde uzun süredir devam eden bir hedefe doğru yalnızca küçük bir adımdır. Tekli görevlerde tutarlı bir şekilde insan düzeyinde performans elde etmek ve daha sonra birçok yararlı görevi yerine getirebilen, gerçek dünyada insanlarla ustaca ve güvenli bir şekilde etkileşime girebilen genel robotlar oluşturmak için daha yapılacak çok iş var.”

Sistemin en büyük eksikliği hızlı toplara tepki verebilmesidir. DeepMind, bunun temel nedenlerinin sistem gecikmesi, çekimler arasında zorunlu sıfırlamalar ve yararlı veri eksikliği olduğunu öne sürüyor.

Araştırmacılar, “Robotun hızlı toplara tepki verme süresini engelleyen gecikme kısıtlamalarını ele almak için, gelişmiş kontrol algoritmalarının ve donanım optimizasyonlarının araştırılmasını öneriyoruz” diyor. “Bunlar, top yörüngelerini tahmin etmek için tahmine dayalı modellerin araştırılmasını veya robotun sensörleri ve aktüatörleri arasında daha hızlı iletişim protokollerinin uygulanmasını içerebilir.”

Sistemdeki diğer sömürülebilir sorunlar arasında yüksek ve alçak toplar, ters vuruş ve gelen topun dönüşünü okuyabilme yeteneği yer alıyor.

Böyle bir araştırmanın, masa tenisinin çok sınırlı kullanışlılığının ötesinde robot bilimini nasıl etkileyebileceği konusunda DeepMind, politika mimarisinden, gerçek oyunlarda çalışmak için simülasyon kullanımından ve stratejisini gerçek zamanlı olarak uyarlama yeteneğinden bahsediyor.