Futbol simülasyonlarında yürüyen robotlar için çekimler oluşturmak için bir Q-öğrenme algoritması

Kredi: CM, Unsplash

Başlangıçta J-League olarak adlandırılan RoboCup, Uluslararası RoboCup Federasyonu tarafından düzenlenen yıllık bir robotik ve yapay zeka (AI) yarışmasıdır. RoboCup sırasında robotlar, diğer robotların futbol turnuvalarıyla rekabet eder.

Yarışma fikri, 1992 yılında Kanada’daki British Columbia Üniversitesi’nden Profesör Alan Mackworth’un “Robotları Görmek Üzerine” başlıklı bir makale yazmasıyla ortaya çıktı. 1993 yılında, Japonya’da bir araştırma ekibi, ilk robot futbol yarışmasını düzenlemek için bu makaleden ilham aldı.

RoboCup son derece eğlenceli olsa da, asıl amacı robotik ve yapay zekadaki gelişmeleri gerçek dünya ortamında sergilemektir. Yarışmaya katılan robotik sistemler, dünya çapında birçok araştırmacının yoğun araştırma çabalarının sonucudur.

Gerçek dünyadaki rekabete ek olarak, bilgisayar bilimcileri ve robotikçiler, robot futbolu için hesaplama araçlarını RoboCup 3D futbol simülasyon liginde test edebilirler. Bu aslında, futbol oynamak için tasarlanmış yapay zeka teknikleri ve robotik sistemler için sanal bir “spor salonu” olarak hizmet veren, simülasyonda RoboCup ortamını çoğaltan bir platformdur.

Çin’deki Yantai Teknoloji Enstitüsü ve İran’daki Rahjuyan Danesh Borazjan Üniversitesi’ndeki araştırmacılar, futbol oyunlarına katılan robotların yürürken topa vurma yeteneklerini artırabilecek yeni bir teknik geliştirdiler. Springer Link’s dergisinde yayınlanan bir makalede sunulan bu teknik Ortam Zekası ve İnsanlaştırılmış Bilgi İşlem Dergisi, Q-öğrenme algoritması olarak bilinen bir hesaplama yaklaşımına dayanmaktadır.

Tekniği geliştiren üç araştırmacı Yun Lin, Yibin Song ve Amin Rezaeipanah makalelerinde “RoboCup3D ligine katılan takımların en önemli hedeflerinden biri şut sayısını artırabilme yeteneğidir.” “Bu önemin nedeni, rakibe üstünlüğün güçlü ve isabetli bir şut gerektirmesidir.”

Simülasyonda çekim oluşturmaya yönelik çoğu teknik, ters kinematik (IK) ve nokta analizi adı verilen iki yaklaşıma dayanır. Bunlar hem bilgisayar animasyonları oluşturmak için hem de robotikte bir robotun belirli bir konuma ulaşması veya bir eylemi tamamlaması için gereken ortak parametreleri tahmin etmek için kullanılabilen matematiksel yöntemlerdir.

Araştırmacılar makalelerinde, “Bu yöntemlerin varsayımı, robotun ve topun konumlarının sabit olduğudur” dedi. “Ancak, bu her zaman çekim için geçerli değildir.”

Daha önce önerilen yöntemlerin sınırlamalarının üstesinden gelmek için Lin ve meslektaşları, Q-öğrenme algoritmasına dayanan ve robotların yürürken topa vurma yeteneğini artırabilen yeni bir şut stratejisi oluşturdu. Q-öğrenme algoritmaları, pekiştirmeli öğrenmeye dayalı modelsiz hesaplama yaklaşımlarıdır. Bu algoritmalar, aracıların ortamlarında en iyi şekilde nasıl gezineceklerini veya karmaşık eylemleri nasıl gerçekleştireceklerini öğrenmeye çalıştıkları durumlarda özellikle yararlıdır.

Araştırmacılar makalelerinde “Robotu topa doğru hareket ettirmek için kavisli bir yol tasarlandı, böylece sonunda atış yapmak için en uygun konuma sahip olacak” dedi. “Genel olarak, RoboCup3D’deki görüntü öncüsü gürültüye sahiptir. Bu nedenle, hız ve açı gibi robot hareket parametreleri Q-öğrenme algoritması tarafından daha hassas bir şekilde ayarlanır. Son olarak, robot topa ve kaleye göre en uygun konumda olduğunda. , IK modülü atış stratejisine uygulanır.”

Lin, Song ve Rezaeipanah, Q-öğrenme algoritmalarını bir dizi deney ve simülasyonda değerlendirdi. Dikkat çekici bir şekilde, RoboCupSoccer ligine ve İran’ın RoboCup3D ligine katılan çoğu takımda robotların yürürken robotlardan çok daha iyi şut çekmesine izin verdiğini buldular. Sonuç olarak, RoboCup futbol oyunları sırasında robotların performansını önemli ölçüde artırabilir.


Robotik futbolda saldırıları planlamak için buluşsal bir arama algoritması


Daha fazla bilgi:
Q-öğrenme algoritmasını kullanarak futbol simülasyonu 3D ligi için yürüyüşte bir atış oluşturun. Ortam Zekası ve İnsanlaştırılmış Bilgi İşlem Dergisi(2021). DOI: 10.1007/s12652-021-03551-9

© 2021 Bilim X Ağı

Alıntı: Futbol simülasyonlarında (2021, 25 Kasım) yürüyen robotlar için çekimler oluşturmaya yönelik bir Q-öğrenme algoritması, 25 Kasım 2021’de https://techxplore.com/news/2021-11-q-learning-algorithm-shots-robots- adresinden alındı. futbol.html

Bu belge telif haklarına tabidir. Özel çalışma veya araştırma amaçlı herhangi bir adil işlem dışında, yazılı izin alınmadan hiçbir bölüm çoğaltılamaz. İçerik yalnızca bilgi amaçlı sağlanmıştır.





#Futbol #simülasyonlarında #yürüyen #robotlar #için #çekimler #oluşturmak #için #bir #Qöğrenme #algoritması