Robotik yapay zekâ şirketi Skild AI, futbolu tek tek kodlamak yerine S1 adlı sistemine futbolu kendi kendine öğrenebileceği bir saha kurdu. NVIDIA’nın Isaac Sim sanal ortamında sistem, 140 yıllık futbol deneyimine denk maç oynadı; tek hedefi gol atmaktı. Topa yaklaşma, sürme ve rakibin önünü kapatma gibi becerileri maçlar sırasında geliştirdi. Başta yürümekte zorlanan robot, “Messinator” adını aldı.
Eğitimde rakip ve öğretmen, robotun önceki sürümleriydi. Self-play yöntemiyle zorlaşan maçlarda işe yarayan hamleleri korudu. Sanal eğitimin ardından top sürme, yön değiştirme ve rakibi engelleme becerilerini gerçek zeminde denedi. Robot ayrıca dengesini koruyup topu kontrol ederken rakibin hareketini izledi ve sonraki hamlesine karar verdi. Skild AI, bu yöntemi fabrika, şantiye ve ev görevlerinde kullanmayı amaçlıyor.
Neden önemli
Bu yaklaşım, robotlara her hareketi ayrı ayrı tarif etmek yerine, hedef ve deneme-yanılma üzerinden beceri kazandırma fikrini öne çıkarıyor. Sanal ortamda geliştirilen davranışların gerçek zeminde denenebilmesi, öğrenme sürecini fiziksel robot üzerindeki denemelerden ayırarak fabrika, şantiye ve ev görevleri için kullanılabilecek bir yöntem sunuyor. Ancak futbolda işe yarayan denge, yön değiştirme ve engelleme becerilerinin farklı görevlerde ne ölçüde karşılık bulacağı henüz açık değil. Bu nedenle gelişme, özellikle robotların değişken koşullarda karar vermesiyle ilgilenenler açısından, tek bir beceriden çok öğrenme yönteminin başka alanlara taşınıp taşınamayacağı sorusunu gündeme getiriyor.