எங்கே குறிவைப்பது என்று கற்கும் மனித உருவ ரோபோ

ஒரு நல்ல மேசைப் பந்தாட்ட வீரர் ஒரே நேரத்தில் இரண்டு செயல்களைச் செய்கிறார். அவர் செயல்படுத்துகிறார்: பந்தைத் தான் விரும்பும் இடத்தில் வைக்கத் தன் முழு உடலையும் அசைக்கிறார். அவர் முடிவெடுக்கிறார்: எதிராளிக்குச் சிக்கல் தரும் இடத்தைத் தேர்கிறார். ஒரு திருப்பம் துல்லியமாக இருந்தும் எளிதில் எட்டக்கூடியதாக இருக்கலாம்; அல்லது புத்திசாலித்தனமாக இருந்தும் செய்ய மிகக் கடினமாக இருக்கலாம். ஒரு ரோபோ இரண்டையும் ஒருசேரக் கற்கும்போது, எது அதை வெல்லச் செய்கிறது என்று சொல்வது கடினம்.

Zhejiang பல்கலைக்கழகம், Tsinghua பல்கலைக்கழகம், Tongji பல்கலைக்கழகம், சீனக் கடல் பல்கலைக்கழகம் (Ocean University of China), Shanghai Innovation Institute, RoboParty Lab ஆகியவற்றைச் சேர்ந்த ஒரு குழு இவற்றைப் பிரிக்கத் தேர்ந்தது. இரண்டுக்கும் இடையிலான இணைப்பு ஒரே ஒரு எண் இணை: பந்து மேசையில் விழ வேண்டிய புள்ளி.

சொன்ன இடத்தில் அடிக்கும் உடல்

ரோபோ, 29 மோட்டார் மூட்டுகள் கொண்ட ஒரு Unitree G1 மனித உருவ ரோபோ. ஒரு வெளிப்புறக் கண்காணிப்புக் கருவி பந்தை விநாடிக்கு 100 முறை பின்தொடர்கிறது.

ஒரு பந்து வரும்போது, இயற்பியலை அடிப்படையாகக் கொண்ட ஒரு திட்டமிடுபவர், கேட்கப்பட்ட விழும் புள்ளிக்குப் பந்தை அனுப்ப மட்டை என்ன செய்ய வேண்டும் — அடிக்கும் கணத்தில் நிலை, வேகம், கோணம் — என்பதைக் கணக்கிடுகிறது; ஈர்ப்பு, காற்றுத் தடை, துள்ளல், வலை ஆகியவற்றைக் கணக்கில் கொள்கிறது. பின்னர் ஒரு நரம்பியல் வலையமைப்பு (neural network) அந்தத் திட்டத்தை முழு உடலுக்கான கட்டளைகளாக, விநாடிக்கு 50 முறை, மாற்றுகிறது.

பயிற்சி உருவகப்படுத்தலில் மூன்று கட்டங்களில் நடக்கிறது:

அடிக்கக் கற்றல். ஒரு நிர்ணயிக்கப்பட்ட முறையில் வீசப்படும் பந்துகளில், சீரற்ற முறையில் தேர்ந்த விழும் புள்ளிகளைக் குறிவைத்து, ரோபோ பயிற்சி செய்கிறது.
தொடர் ஆட்டம் (rally) கற்றல். உருவகப்படுத்தப்பட்ட இரண்டு ரோபோக்கள் ஒன்றோடொன்று ஆடுகின்றன. வரும் பந்துகள் இப்போது உண்மையான எதிராளியின் அடிகளிலிருந்து வருகின்றன; ஆனால் இலக்குகள் இன்னும் சீரற்றவை: இன்னும் உத்தி இல்லை.
விளையாடக் கற்றல். முழு உடல் கட்டுப்பாடும் உறையவைக்கப்படுகிறது. இரண்டாவதான, தனி வலையமைப்பு ஒன்று, பந்தின் அண்மைப் பாதை, தன் நிலை, எதிராளியின் நிலை, தன் முந்தைய இலக்கு ஆகியவற்றிலிருந்து, மேசையின் ஒன்பது மண்டலங்களில் ஒன்றைத் தேர்வு செய்வதை மட்டுமே கற்கிறது. புள்ளிகளை வெல்லும்போது அதற்கு வெகுமதி; கையால் எழுதப்பட்ட எந்த உத்தி விதியும் இல்லை.

துல்லியம், பின்னர் கூர்மை

உருவகப்படுத்தலில், 99.2% திருப்பங்கள் முறையாக விழுந்தன; அவற்றில் 94.3% கேட்கப்பட்ட இடத்திலிருந்து 30 சென்டிமீட்டருக்குள், சராசரிப் பிழை 15 சென்டிமீட்டர். முன்னமைக்கப்பட்ட பந்துகளில் அதே அளவு கூடுதல் பயிற்சியைவிட, தொடர் ஆட்டங்களில் பயிற்சி செய்தது அடிகளை அதிகத் துல்லியமாகவும் அடிக்கடி முறையானதாகவும் ஆக்கியது.

பின்னர் முக்கியச் சோதனை வந்தது. ஒவ்வொரு ஆட்டக்காரரும் அதே உறைந்த உடலைத் துல்லியமாகப் பயன்படுத்தினர்; எனவே இலக்குத் தேர்வு மட்டுமே வேறுபட்டது. கற்ற உத்தி வென்றது:

எப்போதும் நடுவைக் குறிவைக்கும் ஆட்டக்காரருக்கு எதிராக 89% புள்ளிகள்;
சீரற்ற முறையில் குறிவைப்பவருக்கு எதிராக 82%;
எப்போதும் எதிராளியிடமிருந்து இயன்ற அளவு தொலைவில் குறிவைப்பவருக்கு எதிராக 73%.

அது சில நல்ல இடங்களைக் கண்டுபிடித்தது மட்டுமல்ல. எதிராளி நின்ற இடத்திலிருந்தும், முந்தைய பந்தை அனுப்பிய இடத்திலிருந்தும் விலக்கித் தன் இலக்கை மாற்றியது.

ஒரு மனிதருக்கு எதிராக மூன்று ஆட்டங்கள்

உண்மையான G1-இல், அதே உறைந்த உடலுடன், மனிதரின் நிலை இயக்கப் பதிவு (motion tracking) மூலம் பெறப்பட, ரோபோ அதே பொழுதுபோக்கு ஆட்டக்காரருக்கு எதிராக 11 புள்ளி ஆட்டங்கள் மூன்றை ஆடியது. அது 11–4, 11–6, 11–9 என்று வென்றது; பல அடிகள் கொண்ட தொடர் ஆட்டங்களும், முன்கை (forehand), பின்கை (backhand) திருப்பங்களும் இருந்தன.

இன்னும் கிளப் நிலையில் இல்லை

குறைகளை ஆசிரியர்களே பட்டியலிடுகின்றனர். ரோபோ தன் சொந்தக் கண்களுக்குப் பதிலாக வெளிப்புறப் பந்துக் கண்காணிப்பையும் இயக்கப் பதிவையும் நம்பியுள்ளது. பந்து மாதிரி சுழற்சியைக் (spin) கணக்கில் கொள்வதில்லை. ஒன்பது மண்டலங்கள் அதன் உத்திகளைக் கட்டுப்படுத்துகின்றன; எதிராளியைத் தரையில் ஒரு நிலையாக மட்டுமே பார்க்கிறது; ஒரு நிலையான இடத்துக்கே சர்வ் செய்கிறது. அதன் உண்மையான ஆட்டங்கள் அனைத்தும் ஒரே ஒரு அமெச்சூருக்கு எதிரானவை. அவர்களின் பரந்த கருத்து ஒரு வடிவமைப்பு விதி: அடியிலுள்ள உடல் தொடர்ந்து கற்கும்போதும், இலக்கின் பொருளை நிலையாக வைத்திருங்கள்.