Robot chơi bóng đá cho thấy máy móc chạy bằng AI nhanh nhẹn không kém con người

Robot chơi bóng đá chạy bằng AI nhanh nhẹn không kém con người, chúng được điều khiển bởi máy học tăng cường với một loại AI giúp chúng có thể di chuyển trên địa hình khó khăn.

• 5 khám phá kinh ngạc từ các nghiên cứu mới: Ăn Wasabi có thể tăng cường trí nhớ của bạn như thế nào?

Máy học tăng cường

ChatGPT và các công cụ trí tuệ nhân tạo khác đang định hình lại cuộc sống số của chúng ta. Nhưng tương tác AI của chúng ta giờ đây sắp trở nên vật lý hơn.

Robot hình người được hỗ trợ bởi một loại AI nhất định có thể cảm nhận và phản ứng tốt hơn với thế giới so với các máy móc trước đây. Những robot nhanh nhẹn như vậy có thể giúp ích trong các nhà máy, trạm vũ trụ và hơn thế nữa.

Loại AI đang được đề cập đến được gọi là mày học tăng cường. Hai bài báo gần đây trên Science Robotics nêu bật lời hứa của nó trong việc mang lại cho robot sự nhanh nhẹn như con người.

Một ngày nào đó, những người máy biết đi có thể được đưa vào những điều kiện quá nguy hiểm đối với con người. (Ảnh: Gremlin/Getty Images Plus)

“Chúng tôi đã chứng kiến ​​sự tiến bộ thực sự tuyệt vời của AI trong thế giới số với các công cụ như GPT... Tôi nghĩ rằng AI trong thế giới vật lý có tiềm năng còn lớn hơn thế nữa”, Ilija Radosavovic, nhà khoa học máy tính làm việc tại Đại học California, Berkeley, Mỹ cho biết.

Cho đến nay, phần mềm điều khiển robot hai chân thường sử dụng thứ gọi là điều khiển dự đoán dựa trên mô hình. Ở đây, "bộ não" của robot phụ thuộc rất nhiều vào các hướng dẫn được thiết lập sẵn về cách di chuyển. Robot Atlas do công ty Boston Dynamics sản xuất là một ví dụ về điều này. Nó đủ khả năng thực hiện môn parkour. Nhưng những robot có bộ não như thế này đòi hỏi rất nhiều kỹ năng của con người để lập trình. Và chúng không thích nghi tốt với các điều kiện mới lạ.

Máy học tăng cường có thể là một cách tiếp cận tốt hơn. Trong thiết lập này, mô hình AI không tuân theo các hướng dẫn được thiết lập sẵn. Nó học cách tự hành động, thông qua thử nghiệm và sai sót.

"Chúng tôi muốn xem chúng tôi có thể đẩy mạnh việc học tăng cường đến mức nào trong các robot thực tế", nhà khoa học máy tính Tuomas Haarnoja cho biết. Ông làm việc tại Google DeepMind ở London, Anh. Trong một trong những nghiên cứu mới, ông và nhóm của mình đã phát triển một hệ thống AI để điều khiển một robot đồ chơi cao 20 inch có tên là OP3. Họ muốn dạy nó không chỉ cách đi bộ mà còn cách chơi bóng đá một chọi một.

Robot đá bóng

"Bóng đá là một môi trường tốt để nghiên cứu máy học tăng cường chung", thành viên nhóm Guy Lever, cũng làm việc tại Google DeepMind ở London, cho biết và cho rằng việc này đòi hỏi sự lập kế hoạch, nhanh nhẹn, khám phá và cạnh tranh.

Kích thước đồ chơi của những chú robot mà họ huấn luyện cho phép nhóm thực hiện nhiều thí nghiệm trên máy móc của họ và học hỏi từ những sai lầm của chúng (những chú robot lớn hơn khó vận hành và sửa chữa hơn.) Nhưng trước khi sử dụng phần mềm AI để điều khiển bất kỳ chú robot thực nào, nhóm đã huấn luyện chúng trên các bot ảo.

Quá trình đào tạo này diễn ra trong 2 giai đoạn. Trong giai đoạn đầu, nhóm đã đào tạo một mô hình AI chỉ để đưa một robot ảo lên khỏi mặt đất thông qua máy học tăng cường. Kiểu học này cũng giúp mô hình AI thứ hai tìm ra cách ghi bàn mà không bị ngã.

Hai mô hình AI có thể "cảm nhận" được vị trí của một robot ảo bằng cách biết vị trí và chuyển động của các khớp. Các mô hình AI cũng biết vị trí của mọi thứ khác trong thế giới ảo này.

Liệu robot chơi bóng đá có thể đánh bại nhà vô địch World Cup vào năm 2050? (Ảnh: BBC)

Robot được hỗ trợ bởi AI đã học cách tự di chuyển, thông qua quá trình học tăng cường. Chúng nhận được dữ liệu về vị trí và chuyển động của các khớp. Sử dụng camera bên ngoài, chúng cũng có thể nhìn thấy vị trí của mọi thứ khác trong trò chơi. Thông tin này giúp chúng học nhanh hơn so với robot được huấn luyện bằng hướng dẫn cài đặt sẵn.

AI có thể sử dụng dữ liệu đó để chỉ đạo các khớp của robot ảo đến vị trí mới. Nếu những chuyển động đó giúp robot chơi tốt thì các mô hình AI sẽ nhận được phần thưởng ảo. Và điều đó khuyến khích chúng sử dụng những hành vi tương tự nhiều hơn.

Ở giai đoạn thứ hai, các nhà nghiên cứu đã đào tạo mô hình AI thứ ba để bắt chước từng mô hình đầu tiên. Nó cũng học cách ghi điểm so với các phiên bản khác của chính nó.

Để chuẩn bị cho mô hình AI đa kỹ năng này điều khiển robot trong thế giới thực, các nhà nghiên cứu đã thay đổi nhiều khía cạnh khác nhau của thế giới ảo. Ví dụ, họ ngẫu nhiên thay đổi mức độ ma sát mà robot ảo phải chịu hoặc thêm độ trễ ngẫu nhiên vào các đầu vào cảm biến của nó. Các nhà nghiên cứu cũng thưởng cho AI không chỉ vì ghi bàn mà còn vì các hành động hữu ích khác. Ví dụ, mô hình AI được thưởng vì không vặn đầu gối của robot ảo quá nhiều. Điều này khuyến khích các chuyển động giúp tránh chấn thương đầu gối trong thế giới thực.

Cuối cùng, AI đã sẵn sàng để xử lý các robot thực sự. Những robot được AI này điều khiển đi nhanh gần gấp đôi so với những robot được điều khiển bằng phần mềm được đào tạo bằng các hướng dẫn cài đặt sẵn. Các robot dựa trên AI mới cũng quay nhanh gấp 3 lần. Và chúng mất ít hơn một nửa thời gian để đứng dậy. Chúng thậm chí còn thể hiện những kỹ năng tiên tiến hơn. Ví dụ, những con robot này có thể thực hiện một loạt hành động một cách trơn tru.

Radosavovic cho biết: "Thật tuyệt khi thấy nhiều kỹ năng vận động phức tạp hơn". Phần mềm AI không chỉ học các động tác đá bóng đơn lẻ. Nó còn học cách lập kế hoạch cần thiết để chơi trò chơi, chẳng hạn như biết cách đứng cản đường cú sút của đối thủ.

“Bóng đá thật tuyệt vời! Chúng tôi chưa bao giờ thấy khả năng phục hồi như vậy từ người máy”, Joonho Lee nói. Nhà nghiên cứu robot này làm việc tại ETH Zurich ở Thụy Sĩ và không tham gia vào nghiên cứu.

Trở thành người thật?

Trong nghiên cứu mới thứ hai, Radosavovic và các đồng nghiệp đã làm việc với một cỗ máy. Họ đã đào tạo một hệ thống AI để điều khiển một robot hình người, được gọi là Digit. Nó cao khoảng 1,5 m và có đầu gối cong về phía sau, giống như đầu gối của đà điểu.

Cách tiếp cận của nhóm này tương tự như Google DeepMind. Cả hai nhóm đều đào tạo AI của họ bằng cách sử dụng máy học tăng cường. Nhưng nhóm của Radosavovic đã sử dụng một loại mô hình AI nhất định được gọi là máy biến áp. Loại này phổ biến trong các mô hình ngôn ngữ lớn, chẳng hạn như các mô hình cung cấp năng lượng cho ChatGPT.

Các mô hình ngôn ngữ lớn tiếp nhận các từ để học cách viết nhiều từ hơn. Tương tự như vậy, AI hỗ trợ Digit đã xem xét các hành động trong quá khứ để học cách hành động trong tương lai. Cụ thể, nó xem xét những gì robot đã cảm nhận và thực hiện trong 16 lần chụp nhanh thời gian trước đó (tổng cộng khoảng 1/3 giây.) Từ những dữ liệu đó, mô hình AI đã lập kế hoạch cho hành động tiếp theo của robot.

Robot 4 chân cùng từng thử chơi bóng đá trên nhiều địa hình khác nhau. (Ảnh: MIT News)

Robot hai chân này đã học cách xử lý nhiều thử thách về thể chất, bao gồm đi bộ trên các địa hình khác nhau và bị mất thăng bằng do một quả bóng tập thể dục. Một phần trong quá trình đào tạo của robot bao gồm một mô hình máy biến áp (giống như mô hình được sử dụng trong ChatGPT) để xử lý dữ liệu và quyết định chuyển động tiếp theo của nó.

Giống như phần mềm chơi bóng đá, mô hình AI này trước tiên học cách điều khiển robot ảo. Trong thế giới kỹ thuật số, nó phải vượt qua địa hình không chỉ có dốc mà còn có cả cáp mà robot có thể vấp phải.

Sau khi được đào tạo trong thế giới ảo, hệ thống AI đã tiếp quản một con robot thực sự trong một tuần thử nghiệm ngoài trời. Nó không hề bị ngã một lần nào. Trở lại phòng thí nghiệm, con robot có thể chịu được khi bị ném một quả bóng tập thể dục bơm hơi vào.

Nhìn chung, hệ thống AI điều khiển robot này tốt hơn phần mềm truyền thống. Nó dễ dàng đi qua các tấm ván trên mặt đất. Và nó có thể leo lên một bậc thang, mặc dù nó chưa từng nhìn thấy bậc thang trong quá trình huấn luyện.

Trong vài năm trở lại đây, học tăng cường đã trở nên phổ biến trong việc điều khiển robot 4 chân. Những nghiên cứu mới này cho thấy các kỹ thuật tương tự cũng có hiệu quả với máy 2 chân. Và chúng cho thấy robot được xây dựng trên máy học tăng cường hoạt động ít nhất cũng tốt như - nếu không muốn nói là tốt hơn - những robot sử dụng hướng dẫn cài đặt sẵn. Pulkit Agrawal khẳng định điều này, ông là một nhà khoa học máy tính tại Viện Công nghệ Massachusetts ở Cambridge. Ông không tham gia vào bất kỳ nghiên cứu mới nào.

Robot AI trong tương lai có thể cần sự khéo léo của các cầu thủ bóng đá của Google DeepMind. Chúng cũng có thể cần kỹ năng chạy trên mọi địa hình mà Digit đã thể hiện. Cả hai đều cần thiết cho bóng đá. Và Lever cho biết: "Đó là một thách thức lớn đối với robot và AI trong một thời gian dài".

Theo Science News Explores

>> Top 20 tác phẩm của Giải thưởng Nhiếp ảnh Thể thao Thế giới năm 2024