قوقل تطوّر روبوتات يمكنها لعب كرة القدم!
أحرزت شركة Deepmind التابعة لعملاق البحث «قوقل» إنجازًا ملفتًا بتدريب روبوتات صغيرة الحجم وجاهزة للاستخدام على خوض مباريات كرة القدم.
وفي دراسة حديثة نشرت في مجلة ساينس روبوتيكس، فصّل الباحثون نهجهم المبتكر القائم على استخدام تقنية التعزيز العميق للتعلم (Deep RL) لتعليم روبوتات ثنائية الأرجل نسخة مبسطة من الرياضة الأكثر شعبية حول العالم.
وعلى عكس التجارب السابقة التي ركزت على الروبوتات رباعية الأرجل، تُظهر أعمال Deepmind تقدمًا ملحوظًا في تدريب الروبوتات ثنائية الأرجل على المهام الحركية الديناميكية.
وقد ثبت نجاح إطار عمل Deepmind للتعزيز العميق للتعلم في إتقان ألعاب مثل الشطرنج على نطاق واسع. ومع ذلك، كانت هذه الإنجازات تنطوي بشكل أساسي على التفكير الاستراتيجي وليس التنسيق الحركي.
وبتكييف تقنية التعزيز العميق للتعلم مع روبوتات كرة القدم، تُبرز Deepmind قدرتها على التعامل مع التحديات المادية المعقدة بفعالية.
بدأ المهندسون بتدريب الروبوتات في محاكاة حاسوبية، مع التركيز على مهارتين رئيسيتين: النهوض من الأرض وتسجيل الأهداف ضد خصم.
ومن خلال دمج هاتين المهارتين وإدخال سيناريوهات محاكاة المباريات، تعلمت الروبوتات خوض مباريات كرة قدم فردية كاملة.
وعبر التدريب المتكرر، حسّنت تدريجيًا من قدراتها، بما في ذلك الركل والتسديد والدفاع والتفاعل مع أفعال الخصوم.
ذو صلة | الروبوتات المنزلية تتعلم تخطي العقبات بمساعدة النماذج اللغوية الكبيرة
خلال الاختبارات، أظهرت الروبوتات المدربة بواسطة تقنية التعزيز العميق للتعلم رشاقة وكفاءة ملحوظتين مقارنة بنظيراتها المبرمجة المسبقة.
وأبدت سلوكيات جديدة مثل الالتفاف والدوران، التي يصعب برمجتها مُسبقًا. ومع ذلك، اعتمدت هذه الاختبارات على التدريب القائم على المحاكاة فقط، حيث تهدف الجهود المستقبلية إلى دمج التدريب بالتعزيز في الوقت الفعلي لزيادة قدرة الروبوتات على التكيف.
على الرغم من أن هذه التقنية تبدو واعدة، لا تزال هناك عقبات يجب التغلب عليها قبل أن تتمكن روبوتات قوقل من المنافسة في فعاليات مثل RoboCup.
اقرأ | لينوفو تطلق روبوت “داي ستار جي إس” الجديد بستة أرجل
سيتطلب تحسين الروبوتات وصقل قدراتها إجراء تجارب وتحسينات مكثفة. ومع ذلك، تُبرز الأعمال الرائدة لشركة Deepmind الإمكانات الكبيرة لتقنية التعزيز العميق للتعلم في تحسين حركات الروبوتات ثنائية الأرجل وقدرتها على التكيف في السيناريوهات الواقعية.
