ساخت اولین ربات پینگ پنگ باز توسط Google DeepMind

تیم روباتیک Google DeepMind یک ربات پینگ پنگ باز ساخته است که می تواند در سطح آماتور با انسان ها رقابت کند. در آزمایشات، این ربات توانست 45 درصد از 29 مسابقه ای را که با انسان ها دویده بود، برنده شود.

به گزارش تکناک، ورزش از دیرباز به عنوان یک بستر آزمایشی مهم برای رباتیک در نظر گرفته شده است. شاید معروف ترین نمونه این پدیده، مسابقات فوتبال سالانه ربوکاپ باشد که قدمت آن به دهه 1990 باز می گردد. پینگ پنگ از دهه گذشته نقش مهمی در ارزیابی دست های رباتیک ایفا کرده است. ورزش از جمله به سرعت، پاسخ و استراتژی نیاز دارد.

تیم روباتیک DeepMind گوگل در مقاله جدیدی با عنوان “دستیابی به رقابت انسانی در پینگ پنگ رباتیک” نشان می دهد که تا چه حد در این زمینه پیشرفت کرده اند. محققان توانسته‌اند یک ربات پینگ‌پنگ‌باز در سطح «انسان آماتور» بسازند.

در طول آزمایش، ربات پینگ پنگ باز تمام بازیکنان مبتدی را شکست داد. با بازیکنان معمولی، ربات 55 درصد از مسابقات را برد. با این حال، این ربات هنوز آماده رویارویی با حرفه ای ها نیست، زیرا هر بار که با یک بازیکن پیشرفته روبرو می شود، بازنده است. در مجموع، این سیستم در 45 درصد از 29 مسابقه ای که انجام داد، پیروز شد.

این مقاله ادعا می کند که این اولین روباتی است که قادر به رقابت در ورزش در سطح انسانی است و نقطه عطفی در یادگیری و کنترل ماشین است. با این حال، این تنها یک گام کوچک به سمت هدف بلندمدت روباتیک برای دستیابی به عملکرد در سطح انسانی در بسیاری از مهارت‌های مفید در دنیای واقعی است.

بزرگترین عیب این ربات توانایی آن در واکنش به توپ های سریع است. DeepMind این مشکل را به تاخیر سیستم، تنظیمات اجباری بین بازدیدها و کمبود داده های مفید نسبت داد.

برای غلبه بر این محدودیت ها، محققان پیشنهاد می کنند که الگوریتم های کنترل پیشرفته و بهبودهای سخت افزاری بررسی شوند. این راه‌حل‌ها می‌تواند شامل بررسی مدل‌های پیش‌بینی‌کننده برای پیش‌بینی مسیر توپ یا استفاده از پروتکل‌های ارتباطی سریع‌تر بین حسگرها و محرک‌های ربات باشد.

چالش های دیگر شامل توانایی سیستم برای کنترل توپ های بلند و کوتاه، شوت های بک هند و خواندن چرخش توپ ورودی است. DeepMind همچنین به اهمیت استفاده از شبیه‌سازی برای عملکرد در بازی‌های واقعی و توانایی تطبیق استراتژی‌های ربات در زمان واقعی اشاره می‌کند و طیف وسیعی از احتمالات را برای تأثیرگذاری بر روبات‌ها فراتر از کاربرد محدود پینگ‌پنگ پیشنهاد می‌کند.