एक ह्यूमनॉइड रोबोट ने सीखा कि निशाना कहाँ लगाना है

एक अच्छा टेबल-टेनिस खिलाड़ी एक साथ दो काम करता है। वह अमल करता है: गेंद को वहाँ पहुँचाने के लिए जहाँ वह चाहता है, अपना पूरा शरीर हिलाता है। और वह फ़ैसला करता है: वह जगह चुनता है जो प्रतिद्वंद्वी को परेशान करे। एक वापसी सटीक लेकिन आसानी से पहुँच में हो सकती है, या चतुर लेकिन अमल में बहुत कठिन। जब कोई रोबोट दोनों एक साथ सीखता है, तो यह बताना मुश्किल होता है कि जीत किसकी वजह से हो रही है।

झेजियांग विश्वविद्यालय, सिंगहुआ विश्वविद्यालय, तोंगजी विश्वविद्यालय, ओशन यूनिवर्सिटी ऑफ़ चाइना, शंघाई इनोवेशन इंस्टीट्यूट और RoboParty Lab की एक टीम ने इन्हें अलग करने का रास्ता चुना। दोनों के बीच की कड़ी सिर्फ़ संख्याओं की एक जोड़ी है: मेज़ पर वह बिंदु जहाँ गेंद गिरनी चाहिए।

एक शरीर जो वहीं मारता है जहाँ कहा जाए

रोबोट एक Unitree G1 ह्यूमनॉइड है, जिसमें 29 मोटर-चालित जोड़ हैं। एक बाहरी ट्रैकर गेंद को प्रति सेकंड 100 बार ट्रैक करता है।

जब गेंद आती है, तो भौतिकी पर आधारित एक योजनाकार यह निकालता है कि गेंद को माँगे गए बिंदु तक भेजने के लिए बैट को क्या करना होगा — टक्कर के समय स्थिति, गति और कोण — और इसमें गुरुत्व, हवा का प्रतिरोध, टप्पा और नेट सब शामिल होते हैं। फिर एक न्यूरल नेटवर्क उस योजना को पूरे शरीर के लिए आदेशों में बदलता है, प्रति सेकंड 50 बार।

प्रशिक्षण तीन चरणों में, सिमुलेशन में होता है:

1. मारना सीखना। रोबोट एक तय तरीक़े से फेंकी गई गेंदों पर अभ्यास करता है, बेतरतीब ढंग से चुने गए बिंदुओं पर निशाना लगाते हुए।
2. रैली करना सीखना। दो सिम्युलेटेड रोबोट एक-दूसरे से खेलते हैं। आने वाली गेंदें अब एक असली प्रतिद्वंद्वी के शॉट से आती हैं, लेकिन लक्ष्य अब भी बेतरतीब हैं: अभी कोई रणनीति नहीं।
3. खेलना सीखना। पूरे शरीर का नियंत्रण फ़्रीज़ कर दिया जाता है। एक दूसरा, अलग नेटवर्क सिर्फ़ मेज़ के नौ क्षेत्रों में से एक चुनना सीखता है, गेंद के हाल के रास्ते, अपनी स्थिति, प्रतिद्वंद्वी की स्थिति और अपने पिछले लक्ष्य के आधार पर। उसे अंक जीतने पर इनाम मिलता है, हाथ से लिखे किसी रणनीतिक नियम के बिना।

पहले सटीक, फिर ज़्यादा चतुर

सिमुलेशन में 99.2% वापसी वैध रूप से गिरीं, और उनमें से 94.3% माँगे गए स्थान के 30 सेंटीमीटर के भीतर, औसत त्रुटि 15 सेंटीमीटर के साथ। पहले से तय गेंदों पर उतने ही अतिरिक्त प्रशिक्षण की तुलना में रैलियों में अभ्यास ने शॉट को ज़्यादा सटीक और ज़्यादा बार वैध बनाया।

फिर आई मुख्य परीक्षा। हर खिलाड़ी ने बिल्कुल एक ही फ़्रीज़ किया हुआ शरीर इस्तेमाल किया, इसलिए फ़र्क़ सिर्फ़ लक्ष्य के चुनाव में था। सीखी हुई रणनीति जीती:

• हमेशा बीच में निशाना लगाने वाले खिलाड़ी के ख़िलाफ़ 89% अंक;
• बेतरतीब निशाना लगाने वाले के ख़िलाफ़ 82%;
• हमेशा प्रतिद्वंद्वी से जितना हो सके दूर निशाना लगाने वाले के ख़िलाफ़ 73%।

उसने सिर्फ़ कुछ अच्छी जगहें नहीं ढूँढीं। उसने अपना लक्ष्य वहाँ से दूर खिसकाया जहाँ प्रतिद्वंद्वी खड़ा था, और वहाँ से भी दूर जहाँ उसने पिछली गेंद भेजी थी।

एक इंसान के ख़िलाफ़ तीन गेम

एक असली G1 पर, उसी फ़्रीज़ किए हुए शरीर के साथ और मोशन ट्रैकिंग से इंसान की स्थिति पकड़ते हुए, रोबोट ने उसी शौक़िया खिलाड़ी के ख़िलाफ़ 11 अंकों के तीन गेम खेले। उसने 11–4, 11–6 और 11–9 से जीत हासिल की, कई शॉट वाली रैलियों के साथ और फ़ोरहैंड व बैकहैंड दोनों तरह की वापसी के साथ।

अभी क्लब तक नहीं पहुँचा

लेखक बताते हैं कि क्या कमी है। रोबोट अपनी आँखों के बजाय एक बाहरी बॉल ट्रैकर और मोशन कैप्चर पर निर्भर है। गेंद का मॉडल स्पिन को नज़रअंदाज़ करता है। नौ क्षेत्र उसकी रणनीति को सीमित करते हैं, वह प्रतिद्वंद्वी को सिर्फ़ फ़र्श पर एक स्थिति के रूप में देखता है, और वह एक तय जगह पर सर्विस करता है। और उसके सारे असली मैच एक ही शौक़िया खिलाड़ी के ख़िलाफ़ थे। उनकी व्यापक बात एक डिज़ाइन नियम है: लक्ष्य का अर्थ स्थिर रखो, जबकि उसके नीचे का शरीर सीखता रहे।