Робототехническая компания, разрабатывающая искусственный интеллект, Skild AI не стала программировать футбол по отдельным элементам, а создала для своей системы S1 поле, на котором она могла самостоятельно обучаться игре в футбол. В виртуальной среде NVIDIA Isaac Sim система провела матчи, эквивалентные 140 годам футбольного опыта; её единственной целью было забить гол. Во время матчей она совершенствовала такие навыки, как приближение к мячу, ведение мяча и блокирование соперника. Робот, который поначалу с трудом ходил, получил имя «Messinator».
Соперником и учителем в обучении были предыдущие версии робота. В матчах, усложнявшихся с помощью метода self-play, система сохраняла эффективные приёмы. После виртуального обучения она проверила навыки ведения мяча, смены направления и блокирования соперника на реальном покрытии. Робот также следил за движениями соперника и принимал решение о следующем действии, сохраняя равновесие и контролируя мяч. Skild AI намерена использовать этот метод для задач на фабриках, строительных площадках и в домах.
Почему это важно
Этот подход выдвигает на первый план идею обучения роботов навыкам через цель и метод проб и ошибок, вместо того чтобы отдельно описывать каждое движение. Возможность проверять поведение, разработанное в виртуальной среде, на реальном покрытии позволяет отделить процесс обучения от испытаний на физическом роботе и предлагает метод, который можно использовать для задач на фабриках, строительных площадках и в домах. Однако пока неясно, насколько навыки равновесия, смены направления и блокирования, эффективные в футболе, окажутся применимыми в других задачах. Поэтому это достижение, особенно с точки зрения тех, кто интересуется принятием роботами решений в изменяющихся условиях, ставит вопрос не столько об одном навыке, сколько о том, можно ли перенести метод обучения в другие области.