Προηγούμενες επιτυχίες της DeepMind αφορούσαν στρατηγική σκέψη όπως στο σκάκι και όχι συντονισμό μελών. Με την ενσωμάτωση deep reinforcement learning (RL) στην τεχνητή νοημοσύνη, η DeepMind κατάφερε να συνδυάσει τη στρατηγική σκέψη με περίπλοκες φυσικές προκλήσεις.
Οι ερευνητές εκπαίδευσαν τα ρομπότ σε προσομοιώσεις, δίνοντας έμφαση σε δύο ικανότητες. Τη δεξιότητα να σηκώνονται μόνα τους από το έδαφος και τη δεξιότητα να σκοράρουν γκολ. Έτσι τα ρομπότ έμαθαν να παίζουν ματς ένας εναντίον ενός. Με εκπαίδευση στον τάπητα, βελτίωσαν τις ικανότητές τους, όπως τα κλωτσούν τη μπάλα, να αμύνονται και να αντιδρούν στις δράσεις του αντιπάλου.
Κατά τη διάρκεια των δοκιμών, τα ρομπότ επέδειξαν εξαιρετική ευκινησία και αποτελεσματικότητα, ενώ προέκυψαν και αντιδράσεις όπως γύρισμα και αλλαγή κατεύθυνσης που είναι μεγάλη πρόκληση στον προγραμματισμό.
Οι δοκιμές βασίστηκαν σε προπόνηση μέσω προσομοιώσεων και τώρα το επόμενο βήμα της DeepMind είναι να ενσωματώσει το RL σε πραγματικό χρόνο για να βελτιώσει την προσαρμοστικότητα των ρομπότ περαιτέρω.
Σε κάθε περίπτωση, το πείραμα της DeepMind δείχνει τη δυναμική βελτίωσης των δίποδων ρομπότ όσον αφορά τις κινήσεις τους και την προσαρμοστικότητά τους στον πραγματικό κόσμο.
Πηγή: unboxholics.com
