Google DeepMind, Robotu Masa Tenisi Oyununda İnsanları Yenebilecek Şekilde Eğitti!

Google DeepMind’dan proje lideri Pannag Sanketi, “Robotun daha önce karşılaşmadığı insanlara karşı kazanması zordu, ancak sistem beklenenden çok daha iyi performans gösterdi” dedi. “Robotun güçlü rakipleri bile nasıl alt ettiğini görmek gerçekten etkileyiciydi.”

Bu araştırma, sadece eğlenceli bir gelişmeden ibaret değil. Aynı zamanda robotların gerçek dünya ortamlarında güvenli ve etkili bir şekilde görev yapabilmeleri için önemli bir adım olarak değerlendiriliyor. Google DeepMind’ın bu yenilikçi yaklaşımı, robot teknolojisinin birçok alanında uygulanabilir.

New York Üniversitesi’nden bilgisayar bilimcisi Lerrel Pinto, “Gerçek insanlar ile etkileşimde olan robot sistemlerini görmek harika. Robot henüz güçlü bir oyuncu değil ama gelişme potansiyeli büyük” dedi.

Masa tenisinde başarılı olmak, insanlara mükemmel el-göz koordinasyonu, hızlı hareket yeteneği ve rakibe hızlı tepki verme becerisi kazandırır. Google DeepMind araştırmacıları, bu becerileri taklit etmek için iki aşamalı bir eğitim süreci kullandı: ilk olarak bilgisayar simülasyonlarıyla robotu vuruşlarda ustalaştırdılar, ardından gerçek dünya verileriyle ince ayar yaptılar.

Robot, topun pozisyonu, spin ve hız gibi bilgileri içeren bir veri setinden faydalandı. Bu veriler, gerçek maç koşullarını yansıtacak şekilde tasarlanmış bir simülasyon ortamında robotun vuruş becerilerini geliştirmesine yardımcı oldu. Robot, topu servis yapamaması nedeniyle maçlar gerçek dünyaya uyarlanmıştı.

Maçlar sırasında robot, performansını iyileştirmek için veri topluyor. Topun pozisyonunu iki kamera ile takip ediyor ve rakibinin oyun stilini LED’lerle donatılmış bir hareket yakalama sistemi kullanarak analiz ediyor. Bu sürekli geri bildirim döngüsü sayesinde robot, yeni beceriler geliştirme ve maç boyunca daha iyi hale gelme fırsatı buluyor.

Ancak robot, çok hızlı veya çok düşük top vuruşlarında zorluk yaşadı. Ayrıca, topun spinini doğrudan ölçememesi nedeniyle bu tür toplar gelişmiş oyuncular için avantaj sağladı.

Chris Walti, robot teknolojisi konusunda deneyimli bir uzman, simülasyonlarda gerçek dünya koşullarını yansıtmanın zor olduğunu belirtiyor. “Gerçek dünyayı simüle etmek çok zor çünkü birçok değişken var. Robotun performansı, gerçekçi simülasyonlara bağlı olarak sınırlı kalabilir” diyor.

Google DeepMind, bu sınırlamaları aşmak için gelecekte daha iyi tahmin yapabilen AI modelleri geliştirmeyi ve çarpışma algılama algoritmalarını iyileştirmeyi planlıyor.

Robotla oynayan insan oyuncular, maçlardan keyif aldıklarını ve robotu dinamik bir antrenman partneri olarak görmekten memnun olduklarını belirtti. Bir katılımcı, “Bu robotu antrenman partneri olarak kullanmak isterim, zaman zaman maç yapabilmek çok eğlenceli olurdu” dedi.