به گزارش هفت صبح محققان دانشگاه نانجینگ بهتازگی هوش مصنوعی لازم برای اجرای واقعی این صحنه را ساختهاند. این تیم میگوید این اولین بار است که چندین ربات انساننما یاد میگیرند تا در یک فعالیت فیزیکی مشترک، با چنین دقت بالایی با یکدیگر همکاری کنند.
این سیستم که «ماروُپ» (Marope) نامیده میشود، به رباتها آموزش میدهد که چگونه طنابزنی گروهی را هماهنگ کنند. این بازی معمولاً به دو نفر نیاز دارد که یک طناب مشترک را بچرخانند و فرد سوم با رعایت ریتم، از میان آن بپرد. محققان جزئیات این رویکرد را در یک مقاله پیشانتشار (Preprint) ارائه کرده و ویدئوهای نمایشی آن را در صفحه اختصاصی پروژه منتشر کردهاند. چرا این کار دشوار است؟
طنابزنی گروهی با اکثر پژوهشهای مربوط به «ورزش رباتیک» که تا به امروز انجام شده، تفاوت دارد. پروژههای قبلی در زمینه ورزش رباتیک (از جمله رباتهایی که تنیس روی میز بازی میکنند، میرقصند یا میدوند) معمولاً شامل یک ربات واحد است که به تنهایی عمل میکند یا به یک شیء خارجی واکنش نشان میدهد.
در مقابل، طنابزنی گروهی مستلزم «کار تیمی واقعی» میان چندین ربات است. دو ربات باید طنابی مشترک را با حرکتی منسجم تاب دهند، در حالی که همزمان تعادل و پایداری خود را روی زمین حفظ کنند. خودِ طناب نیز به شکلی غیرقابل پیشبینی خم و راست میشود و برخلاف اشیاء صلب (سخت)، نمیتوان شکل آن را مستقیماً کنترل کرد. علاوه بر این، رباتهای چرخاننده باید زمانبندی تاب دادن خود را با پریدهزن (Jumper) هماهنگ کنند که ریتم او ممکن است مدام تغییر کند. یک رویکرد سه لایه
سیستم Marope این مشکل را در سه مرحله حل میکند:
۱. یادگیری تقویتشده چندعاملی (Multi-agent Reinforcement Learning): ابتدا دو رباتِ طنابچرخان، یک سیاست غیرمتمرکز و مشترک برای تاب دادن طناب یاد میگیرند. این ویژگی به هر ربات اجازه میدهد حرکات خودش را کنترل کند، در حالی که در نهایت یک حرکت هماهنگ برای طناب ایجاد میشود.
۲. سیاست زمانبندی (Scheduling Policy): یک سیاست زمانبندی مجزا در لایه بالاتر قرار دارد که دستورات رباتهای چرخاننده را بهصورت لحظهای (Real-time) تنظیم میکند. این کار باعث میشود چرخش طناب با زمانبندی پریدهزن همراستا بماند و …
