仮想世界でサッカーを学んだロボットが実世界で上手にサッカーをプレイ DeepMindが研究報告

   
重要なお知らせ
AIスキル人材と企業をつなぐマッチングサービス「AIDB HR」を開始しました!
仕事を探す方はこちら、人材を探す企業の方はこちらからご利用ください。

本記事では、DeepMindの「Learning Agile Soccer Skills for a Bipedal Robot with Deep Reinforcement Learning」という研究を紹介します。この研究では、仮想世界でサッカーを学んだ二足歩行ロボットが、実世界でどのようにサッカーをプレイするのかが明らかにされています。


AIDBの全記事が読み放題のプレミアム会員登録はこちらから↓

目次

参照論文情報

  • タイトル:Learning Agile Soccer Skills for a Bipedal Robot with Deep Reinforcement Learning
  • 著者:Tuomas Haarnoja, Ben Moran, Guy Lever, Sandy H. Huang, Dhruva Tirumala, Markus Wulfmeier, Jan Humplik, Saran Tunyasuvunakool, Noah Y. Siegel, Roland Hafner, Michael Bloesch, Kristian Hartikainen, Arunkumar Byravan, Leonard Hasenclever, Yuval Tassa, Fereshteh Sadeghi, Nathan Batchelor, Federico Casarini, Stefano Saliceti, Charles Game, Neil Sreendra, Kushal Patel, Marlon Gwira, Andrea Huber, Nicole Hurley, Francesco Nori, Raia Hadsell, Nicolas Heess
  • URL:https://doi.org/10.48550/arXiv.2304.13653

仮想世界でサッカーを学ぶロボット

シミュレーションでスキル習得

研究チームは、二足歩行ロボットが1対1のサッカーゲームで複雑な行動戦略を身につけることを目指しました。
まず、MuJoCo物理エンジン※を用いたシミュレーション上で、個別のスキルを訓練しました。次に、これらのスキルを自己対戦環境で組み合わせることで、より高度な戦術が生まれました。シミュレーションで得られた学習成果は、実際のロボットにもゼロショットで適用することができました。

※MuJoCo物理エンジンとは:OpenAIが公開している無料の物理演算エンジンのこと。

https://youtu.be/kkZpQ6e1VHA

力強い動作と戦術理解

この研究の成果として、ロボットは迅速な回復や歩行、旋回、キックなどのダイナミックなスキルを習得しました。また、ボールの動きを予測し、相手のシュートをブロックする戦術理解も身につけました。

実世界でのパフォーマンス

ロボットの腕前を実証

研究チームは、シミュレーションで培ったロボットのスキルが現実世界でも活かされるかを検証するため、実環境とシミュレーションにおけるパフォーマンスを測定しました。その結果、

当サイトの利用にはAIDBのアカウントが必要です。
また記事の購読には、アカウント作成後の決済が必要です。



※ログイン/初回登録後、下記ボタンを押してください。

AIDBとは
プレミアム会員(記事の購読)について







■サポートのお願い
AIDBを便利だと思っていただけた方に、任意の金額でサポートしていただけますと幸いです。






業界/カテゴリー

PAGE TOP