В новом исследовании , опубликованном в среду в журнале Science Robotics, исследователи описывают, как робот по имени кудрявый победил человеческие команды в спорте, три матча к одному. Но вместо того, чтобы чувствовать себя ниже наших искусственно интеллектуальных конкурентов, возьмите сердце — кудрявый также пример того, как люди и машины могут однажды работать вместе.
Сон Ван Ли-автор исследования и профессор Корейского Университета. Он говорит, что обратный керлинг-это идеальный полигон для тестирования искусственного интеллекта.
Это потому, что керлинг - это "комбинация боулинга и шахмат; это пошаговая игра, в которой две команды играют попеременно на ледяном щите, требуя высокого уровня стратегического мышления и производительности", говорит он.
Керлинг требует сочетания тактического планирования и тонкого физического прикосновения, двух областей, где искусственный интеллект нуждается в улучшении. "Характеристики окружающей среды меняются в каждый момент, и каждый бросок оказывает влияние на исход матча", - говорит Ли. Это означает, что команды должны изменить свою стратегию и адаптироваться на лету.
Из-за тонких изменений, которые происходят после каждого броска, команда, стоящая за Керли, использовала глубокую систему обучения подкреплению, тип ИИ, который учится методом проб и ошибок. После изучения игры с помощью многих симуляций, камни кудрявого были прикреплены к внутренним GPS-датчикам.
Оценивая ситуацию в игре после каждого броска, Керли анализировал, куда бросать дальше. Самое главное, что Кудряш не должен был заново учиться бросать после каждой попытки. Скорее, ИИ мог бы перенастроить себя, позволив ему реагировать на новую ситуацию.
Команды по керлингу традиционно имеют три основных типа игроков: метатель, скип и метельщики. Работа метателя очевидна, в то время как скип эквивалентен полевому генералу или тренеру, направляющему метателей на лучшие стратегии с другой стороны катка. Метельщики обеспечивают самые запоминающиеся визуальные эффекты в спорте, используя метлы, чтобы сметать лед перед камнем, чтобы направлять его движение.
Всю эту рабочую силу роботу трудно воспроизвести: метательный компонент Керли-это колесный робот, который вращает камень и выпускает его. Кудрявый еще не имеет уборочного компонента, который достаточно хорошо отработал в своих матчах против Корейской национальной команды по керлингу на инвалидных колясках, так как инвалидная версия этого вида спорта не требует подметания.
Чтобы полностью понять способности Керли как игрока, бот не ограничивался игрой против людей. Керли также играл в игры с людьми, используя их в качестве подметальщиков.
"Эти специальные матчи-хороший пример совместных роботов в реальном мире. Керлинг, безусловно, очень сложная среда, и мы обнаружили, что люди и роботы могут очень хорошо сотрудничать, что также наблюдалось в предыдущих сценариях совместной работы роботов”, - говорит Ли.
Какими бы захватывающими ни были приключения Керли на льду-ли выделяет матч D против Корейской национальной команды по керлингу на инвалидных колясках как “близкий матч " — эта технология применима не только к керлингу.
Керлинг работает как хороший пример ситуации, когда нет много времени, чтобы полностью перекалибровать систему искусственного интеллекта, но есть множество других возможностей. Ли говорит, что обучение методом проб и ошибок помогает Керли двигаться по льду, что может позволить использовать другие адаптивные технологии, такие как летающие дроны.
Абстрактный: Игру в керлинг можно считать хорошим испытательным стендом для изучения взаимодействия систем искусственного интеллекта с реальным миром. В керлинге характеристики окружающей среды меняются в каждый момент, и каждый бросок оказывает влияние на исход матча. Кроме того, нет времени для повторного обучения во время матча по керлингу из-за временных правил игры. Здесь мы сообщаем о керлинговом роботе, который может достичь производительности человеческого уровня в игре в керлинг, используя адаптивную систему глубокого обучения подкреплению. Предложенная нами адаптационная структура расширяет стандартное глубокое подкрепляющее обучение с использованием временных особенностей, которые учатся компенсировать неопределенности и нестационарности, которые являются неизбежной частью керлинга. Наш керлинг-робот Керли смог выиграть три из четырех официальных матчей против опытных человеческих команд [топовые женские команды по керлингу и национальная сборная Кореи по керлингу на инвалидных колясках (резервная команда)]. Эти результаты показывают, что разрыв между физическими симуляторами и реальным миром может быть сокращен.
