Inhalt
summary Zusammenfassung

Forscherinnen und Forscher von Google DeepMind haben kleinen humanoiden Robotern mithilfe von Reinforcement Learning verschiedene Fußballfähigkeiten beigebracht. Die Roboter lernen, Bewegungen zu kombinieren, Spielzüge zu antizipieren und sich dem Gegner anzupassen.

Anzeige

Fußballspieler müssen eine Vielzahl dynamischer Fähigkeiten beherrschen, vom Drehen und Kicken bis zum Verfolgen des Balls. Google DeepMind hat nun KI-Agenten darauf trainiert, eine Reihe von agilen Verhaltensweisen mittels Deep Reinforcement Learning zu erlernen.

DeepMinds Fußball-Agenten wurden zunächst in einer Simulation mit der MuJoCo-Physik-Engine trainiert und dann auf kleine humanoide Roboter vom Typ Robotis OP3 mit 20 beweglichen Gelenken übertragen.

Das Training erfolgte in zwei Phasen: Zuerst lernten die Agenten einzelne Fertigkeiten wie Aufstehen und Tore schießen. Dann wurden diese Fähigkeiten in einem einzigen Agenten kombiniert, der durch selbstständiges Spielen gegen immer stärkere Gegner trainiert wurde. Auf diese Weise passten sich die Agenten an unterschiedliche Spielsituationen an.

Anzeige
Anzeige

Eine besondere Herausforderung in der Robotik ist stets die sogenannte Realitätslücke - der Unterschied zwischen einer einfachen Computersimulation und der Komplexität der realen Welt.

Um die zu überbrücken, baute das Team bewusst störende Kräfte und gezielte Zufälle in den Simulator ein. So konnten die Agenten, die in der Simulation durch Versuch und Irrtum lernen, mit unerwarteten Störungen in der realen Welt umgehen.

Video: Google Deepmind

KI-Training schlägt klassische Programmierung

In Experimenten lief der Roboterspieler 181 Prozent schneller, drehte sich 302 Prozent schneller, stand 63 Prozent schneller auf und schoss den Ball 34 Prozent schneller als manuell programmierte Roboter dieser Art.

Er lernte auch, subtile defensive Laufwege zu nutzen und seine Schrittlänge an die Spielsituation anzupassen. Ebenso entwickelte er die Fähigkeit, Bewegungen zu kombinieren, um Tore zu erzielen, Ballbewegungen zu antizipieren und gegnerische Schüsse zu blocken - und damit ein grundlegendes Verständnis des Spiels 1 gegen 1.

Empfehlung

Das Team sieht diese Arbeit als einen Schritt in die Richtung, Roboter generell statt nur für bestimmte Aufgaben zu trainieren. Dazu müsse man verstehen, wie viel Anleitung sie mindestens benötigen, um agile motorische Fähigkeiten zu erlernen, und gleichzeitig die Möglichkeiten multimodaler Basismodelle nutzen.

Anzeige
Anzeige
Community beitreten
Kommt in die DECODER-Community bei Discord,Reddit, Twitter und Co. - wir freuen uns auf euch!
Unterstütze unsere unabhängige, frei zugängliche Berichterstattung. Jeder Betrag hilft und sichert unsere Zukunft. Jetzt unterstützen:
Banküberweisung
Zusammenfassung
  • Forscherinnen und Forscher von Google DeepMind haben mit Hilfe von Reinforcement Learning humanoide Roboter darauf trainiert, Fußball zu spielen. Die Agenten lernten in einer Simulation verschiedene Fähigkeiten und kombinierten diese, um sich an Spielsituationen anzupassen.
  • Um die Realitätslücke zwischen Simulation und realer Welt zu schließen, haben die Forscher bewusst Störungen und Zufälle in den Simulator eingebaut. So lernten die Agenten, mit unerwarteten Situationen umzugehen.
  • Die KI-geschulten Roboter übertrafen die manuell programmierten Roboter in Geschwindigkeit, Wendigkeit und Torschüssen. Sie lernten, Bewegungen zu kombinieren, Bälle zu antizipieren und Schüsse zu blocken. Das Team sieht dies als einen Schritt in die Richtung, Roboter allgemein statt nur für spezifische Aufgaben zu trainieren.
Online-Journalist Matthias ist Gründer und Herausgeber von THE DECODER. Er ist davon überzeugt, dass Künstliche Intelligenz die Beziehung zwischen Mensch und Computer grundlegend verändern wird.
Community beitreten
Kommt in die DECODER-Community bei Discord,Reddit, Twitter und Co. - wir freuen uns auf euch!