پیروزی "رباتها" بر انسان در مسابقات کرلینگ
در بازی کرلینگ، ویژگیهای محیطی درهر لحظه تغییر میکند و هر پرتاب در نتیجه مسابقه تأثیر میگذارد. همچنین، به دلیل قوانین زمانبندی بازی، هیچ زمانی برای یادگیری مجدد در طول یک مسابقه کرلینگ وجود ندارد.
کد خبر :
۸۵۴۳۶
بازدید :
۹۵۲۳
صحنهای از مسابقات جهانی کرلینگ در دانمارک
محققان میگویند نتایج نشان میدهند که فاصله بین شبیهسازی فیزیکی و دنیای واقعی میتواند مدام کمتر شود. یک ربات مجهز به هوش مصنوعی، تیمی از بازیکنان حرفهای ورزش کرلینگ را با یک موفقیت بسیار شگفتانگیز، در دنیای واقعی شکست داده است.
ربات کرلی که توسط یک تیم تحقیقاتی مشترک آلمان و کره جنوبی ساخته شده است، از تقویت یادگیری عمیق استفاده میکند تا بهترین روش را برای سُر دادن سنگها بر روی یخ و رسیدن به نقطه هدف بیاموزد. این ربات اینک درجریان مسابقه با حریفان انسانی حرفهای، از چهار بازی، سه برد را از آن خود کرده است.
محققان در مقاله خود میگویند: «این نتایج نشان میدهد که فاصله میان شبیهسازیهای فیزیکمحور و دنیای واقعی میتواند کاهش یابد.»
کرلی با هدف ارزیابی محدوده هدف و نیز لغزاندن سنگ به سمت آن، از دو روبات استفاده میکند: «کرلی پرتابگر» و «کرلی پَرشگر (جهنده)». تنها تفاوت این مسابقه با مسابقات و رقابتهای حرفهای، این بود که در این مسابقه از جاروی کرلینگ خبری نبود و بازیکنان یخهای در مسیر سنگ را میروبند تا بر سرعت و مسیر حرکت آن تأثیر بگذارد.
کرلی با هدف ارزیابی محدوده هدف و نیز لغزاندن سنگ به سمت آن، از دو روبات استفاده میکند: «کرلی پرتابگر» و «کرلی پَرشگر (جهنده)». تنها تفاوت این مسابقه با مسابقات و رقابتهای حرفهای، این بود که در این مسابقه از جاروی کرلینگ خبری نبود و بازیکنان یخهای در مسیر سنگ را میروبند تا بر سرعت و مسیر حرکت آن تأثیر بگذارد.
محققان دانشگاه کره و موسسه فناوری برلین، رباتهای هوش مصنوعی را برای یک بازی کامپیوتری که خصوصیات فیزیکی سنگها و یخ را شبیهسازی میکرد، آموزش دادهاند. قبل از هر بازی واقعی، کرلی یک سنگ پرتاب میکند تا شرایط فعلی سطح میدان بازی را ارزیابی کند.
پژوهشگران میگویند: «در بازی کرلینگ ، ویژگیهای محیطی درهر لحظه تغییر میکند و هر پرتاب در نتیجه مسابقه تأثیر میگذارد. همچنین، به دلیل قوانین زمانبندی بازی، هیچ زمانی برای یادگیری مجدد در طول یک مسابقه کرلینگ وجود ندارد.»
«چارچوب تطبیقی پیشنهادی ما استانداردهای تقویت یادگیری عمیق را با استفاده از راهکارهای موقتی گسترش میدهد که شرایط ناقطعی و پیشبینی نشده و نامعمولی که بخش اجتنابناپذیر در بازی کرلینگ است، جبران کند.»
این تحقیق در روز چهارشنبه در ژورنال «ساینس رباتیکز» منتشر شده است.
پژوهشگران میگویند: «در بازی کرلینگ ، ویژگیهای محیطی درهر لحظه تغییر میکند و هر پرتاب در نتیجه مسابقه تأثیر میگذارد. همچنین، به دلیل قوانین زمانبندی بازی، هیچ زمانی برای یادگیری مجدد در طول یک مسابقه کرلینگ وجود ندارد.»
«چارچوب تطبیقی پیشنهادی ما استانداردهای تقویت یادگیری عمیق را با استفاده از راهکارهای موقتی گسترش میدهد که شرایط ناقطعی و پیشبینی نشده و نامعمولی که بخش اجتنابناپذیر در بازی کرلینگ است، جبران کند.»
این تحقیق در روز چهارشنبه در ژورنال «ساینس رباتیکز» منتشر شده است.
۰