MIT พัฒนาหุ่นยนต์เล่นฟุตบอลเคลื่อนไหวคล่องแคล่วเหมือนมนุษย์
เทคโนโลยีหุ่นยนต์ในปัจจุบันยังไม่สามารถเลี้ยงลูกฟุตบอลระดับเดียวกับลิโอเนล เมสซี หรือคริสเตียโน โรนัลโด แต่มันยังคงเป็นเทคโนโลยีที่มีความท้าทายและน่าสนใจ โดยล่าสุดนักวิจัยจากห้องปฏิบัติการปัญญาประดิษฐ์ของสถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) ซึ่งเป็นส่วนหนึ่งของห้องปฏิบัติการวิทยาการคอมพิวเตอร์ และปัญญาประดิษฐ์ (CSAIL) ได้พัฒนาระบบหุ่นยนต์ ดริบเบิลบ็อต (DribbleBot) ซึ่งสามารถเลี้ยงลูกฟุตบอลได้ภายใต้เงื่อนไขเดียวกับมนุษย์
หุ่นยนต์ DribbleBot มีลักษณะคล้ายสุนัขสี่ขาความสูง 40 เซนติเมตร มาพร้อมเลนส์ฟิชอายสองตัว และคอมพิวเตอร์ออนบอร์ดที่มีความสามารถในการเรียนรู้โครงข่ายประสาทเทียมสำหรับติดตามลูกฟุตบอลใช้การผสมผสานระหว่างการตรวจจับ และการประมวลผลเพื่อสำรวจภูมิประเทศตามธรรมชาติ เช่น ทราย กรวด โคลน หิมะ และปรับให้เข้ากับพื้นผิวที่หลากหลายที่มีผลต่อการเคลื่อนที่ของลูกบอลเฉกเช่นเดียวกับนักกีฬาที่มีความมุ่งมั่น หุ่นยนต์เลี้ยงลูกฟุตบอล (DribbleBot) สามารถลุกขึ้นเมื่อล้มลง และแย่งลูกบอลคืนมาได้
ก่อนหน้านี้เทคโนโลยีหุ่นยนต์ของบอสตัน ไดนามิกส์ (Boston Dynamics) สามารถวิ่งบนพื้นที่ไม่ราบเรียบและตีลังกากลับหลังได้ แต่การเลี้ยงลูกฟุตบอลนั้นเป็นสิ่งที่แตกต่างออกไป นอกจากหุ่นยนต์จะสามารถพึ่งพาเซนเซอร์ภาพภายนอก เพื่อรักษาความสมดุลแล้ว หุ่นยนต์ยังต้องอาศัยการวิเคราะห์ว่าเท้าของมันยึดเกาะพื้นได้ดีเพียงใด เนื่องจากลูกบอลที่กลิ้งบนพื้นที่ไม่เรียบนั้นมีความซับซ้อนมาก ทำให้หุ่นยนต์ต้องใช้ทักษะที่จำเป็นในการควบคุมลูกบอลด้วยตัวเองในขณะที่ลูกบอลกำลังเคลื่อนที่
ทีมงานวิจัยใช้การทดสอบโดยใช้หุ่นยนต์แบบจำลองดิจิทัลในคอมพิวเตอร์ 4,000 ตัว รวมถึงไดนามิกที่เกี่ยวข้อง และวิธีตอบสนองต่อวิธีที่ลูกบอลจำลองกลิ้ง ทั้งหมดเกิดขึ้นพร้อมกันแบบเรียลไทม์ โดยการทดสอบเริ่มตั้งแต่การที่หุ่นยนต์ไม่รู้ว่าต้องเริ่มเลี้ยงลูกบอลอย่างไร จนถึงการเรียนรู้เพื่อที่จะเลี้ยงลูกบอลให้ได้ หุ่นยนต์จะได้รับรางวัลเป็นการเสริมแรงทางบวก และได้รับการเสริมแรงทางลบหากเกิดข้อผิดพลาด การจำลองลักษณะนี้ทำให้การเล่นหลายร้อยวันถูกลดเหลือเพียง 2-3 วันเท่านั้น หลังจากนั้นเมื่อนำหุ่นยนต์มาใช้ในโลกแห่งความเป็นจริง กล้อง เซนเซอร์ และอุปกรณ์กระตุ้นที่ติดตั้งอยู่ในตัวของหุ่นยนต์จะช่วยให้หุ่นยนต์นำสิ่งที่เรียนรู้แบบดิจิทัลมาใช้ และฝึกฝนทักษะเหล่านั้นให้มีความซับซ้อนมากขึ้น
หากคุณมองไปรอบ ๆ ในโลกทุกวันนี้ หุ่นยนต์ส่วนใหญ่มักจะมีล้อ แต่ศาสตราจารย์ของสถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) ให้แนวคิดว่า หากลองนึกดูว่ามีสถานการณ์ภัยพิบัติ น้ำท่วม หรือแผ่นดินไหว และเราต้องการให้หุ่นยนต์ช่วยเหลือมนุษย์ในกระบวนการค้นหา และกู้ภัย เราต้องการเครื่องจักรเพื่อเดินทางข้ามภูมิประเทศที่ไม่ราบเรียบ และหุ่นยนต์มีล้อไม่สามารถเคลื่อนที่ไปตามสภาพภูมิประเทศเหล่านั้น จุดประสงค์ของการพัฒนาหุ่นยนต์ดริบเบิลบ็อต (DribbleBot) คือ การไปในภูมิประเทศที่อยู่นอกเหนือการเข้าถึงของระบบหุ่นยนต์ในปัจจุบัน เป้าหมายของการศึกษาครั้งนี้ในการพัฒนาอัลกอริทึมสำหรับหุ่นยนต์ดริบเบิลบ็อต (DribbleBot) คือ เพื่อให้หุ่นยนต์มีอิสระในการเคลื่อนที่ในภูมิประเทศที่ท้าทาย และซับซ้อน ซึ่งในปัจจุบันหุ่นยนต์ยังไม่สามารถเข้าถึงสถานการณ์เหล่านั้นได้
ทีมงานวิจัยใช้การทดสอบโดยใช้หุ่นยนต์แบบจำลองดิจิทัลในคอมพิวเตอร์ 4,000 ตัว รวมถึงไดนามิกที่เกี่ยวข้อง และวิธีตอบสนองต่อวิธีที่ลูกบอลจำลองกลิ้ง ทั้งหมดเกิดขึ้นพร้อมกันแบบเรียลไทม์ โดยการทดสอบเริ่มตั้งแต่การที่หุ่นยนต์ไม่รู้ว่าต้องเริ่มเลี้ยงลูกบอลอย่างไร จนถึงการเรียนรู้เพื่อที่จะเลี้ยงลูกบอลให้ได้ หุ่นยนต์จะได้รับรางวัลเป็นการเสริมแรงทางบวก และได้รับการเสริมแรงทางลบหากเกิดข้อผิดพลาด การจำลองลักษณะนี้ทำให้การเล่นหลายร้อยวันถูกลดเหลือเพียง 2-3 วันเท่านั้น หลังจากนั้นเมื่อนำหุ่นยนต์มาใช้ในโลกแห่งความเป็นจริง กล้อง เซนเซอร์ และอุปกรณ์กระตุ้นที่ติดตั้งอยู่ในตัวของหุ่นยนต์ จะช่วยให้หุ่นยนต์นำสิ่งที่เรียนรู้แบบดิจิทัลมาใช้ และฝึกฝนทักษะเหล่านั้นให้มีความซับซ้อนมากขึ้น
หากคุณมองไปรอบ ๆ ในโลกทุกวันนี้ หุ่นยนต์ส่วนใหญ่มักจะมีล้อ แต่ศาสตราจารย์ของสถาบันเทคโนโลยีแมสซาชูเซตส์ (MIT) ให้แนวคิดว่า หากลองนึกดูว่ามีสถานการณ์ภัยพิบัติ น้ำท่วม หรือแผ่นดินไหว และเราต้องการให้หุ่นยนต์ช่วยเหลือมนุษย์ในกระบวนการค้นหา และกู้ภัย เราต้องการเครื่องจักรเพื่อเดินทางข้ามภูมิประเทศที่ไม่ราบเรียบ และหุ่นยนต์มีล้อไม่สามารถเคลื่อนที่ไปตามสภาพภูมิประเทศเหล่านั้น จุดประสงค์ของการพัฒนาหุ่นยนต์ดริบเบิลบ็อต (DribbleBot) คือ การไปในภูมิประเทศที่อยู่นอกเหนือการเข้าถึงของระบบหุ่นยนต์ในปัจจุบัน เป้าหมายของการศึกษาครั้งนี้ในการพัฒนาอัลกอริทึมสำหรับหุ่นยนต์ดริบเบิลบ็อต (DribbleBot) คือ เพื่อให้หุ่นยนต์มีอิสระในการเคลื่อนที่ในภูมิประเทศที่ท้าทาย และซับซ้อน ซึ่งในปัจจุบันหุ่นยนต์ยังไม่สามารถเข้าถึงสถานการณ์เหล่านั้นได้
ที่มาของข้อมูล Newatlas
ที่มาของรูปภาพ MIT