Sporlar uzun zamandır robotlar için önemli bir test olarak hizmet ediyor. Bu olgunun en bilinen örneği yıllık olabilir RoboCup futbol yarışması1990’ların ortalarına kadar uzanıyor. Masa tenisi, on yıldan beri robot kollarının kıyaslanmasında önemli bir rol oynamıştır. Bu spor, diğer şeylerin yanı sıra hız, tepkisellik ve strateji gerektirir.
İçinde yeni yayınlanan makale “İnsan Seviyesinde Rekabetçi Robot Masa Tenisi Başarmak” başlıklı Google’ın DeepMind Robotics ekibi, oyundaki kendi çalışmalarını sergiliyor. Araştırmacılar, bir insan bileşenine karşı mücadele edildiğinde etkili bir şekilde “sağlam amatör insan seviyesinde bir oyuncu” geliştirdiler.
Test sırasında, masa tenisi botu karşılaştığı tüm başlangıç seviyesi oyuncuları yenebildi. Orta seviye oyuncularla, robot maçların %55’ini kazandı. Ancak profesyonellerle karşılaşmaya hazır değil. Robot, ileri seviye bir oyuncuyla karşılaştığı her seferinde kaybetti. Sistem, toplamda oynadığı 29 oyunun %45’ini kazandı.
Makalede, “Bu, insan seviyesinde insanlarla spor yapabilen ilk robot ajanı ve robot öğrenimi ve kontrolünde bir dönüm noktasını temsil ediyor” iddiasında bulunuluyor. “Ancak, robotikte birçok faydalı gerçek dünya becerisinde insan seviyesinde performans elde etme yönündeki uzun süredir devam eden bir hedefe doğru atılmış küçük bir adım. Tekil görevlerde insan seviyesinde performansa sürekli olarak ulaşmak ve ardından gerçek dünyada insanlarla becerikli ve güvenli bir şekilde etkileşim kurabilen birçok faydalı görevi yerine getirebilen genel robotlar inşa etmek için yapılması gereken çok iş var.”
Sistemin en büyük eksikliği, hızlı toplara tepki verme yeteneği. DeepMind, bunun temel nedenlerinin sistem gecikmesi, şutlar arasında zorunlu sıfırlamalar ve yararlı veri eksikliği olduğunu öne sürüyor.
Araştırmacılar, “Robotun hızlı toplara tepki süresini engelleyen gecikme kısıtlamalarını ele almak için gelişmiş kontrol algoritmaları ve donanım optimizasyonları araştırmayı öneriyoruz” diyor. “Bunlar, top yörüngelerini tahmin etmek için öngörücü modeller keşfetmeyi veya robotun sensörleri ve aktüatörleri arasında daha hızlı iletişim protokolleri uygulamayı içerebilir.”
Sistemdeki diğer istismar edilebilir sorunlar ise yüksek ve alçak toplar, backhand ve gelen topun dönüşünü okuyabilme yeteneğidir.
DeepMind, bu tür araştırmaların masa tenisinin çok sınırlı faydasının ötesinde robotiği nasıl etkileyebileceği konusunda politika mimarisini, gerçek oyunlarda çalışmak için simülasyon kullanımını ve stratejisini gerçek zamanlı olarak uyarlayabilme yeteneğini örnek gösteriyor.
