Uma equipe de pesquisadores do projeto Deep Mind London, do Google, ensinou jogadores animados a jogar uma versão realista de futebol na tela do computador. Em seu artigo publicado na revista Science Robotics , o grupo descreve como ensinar os jogadores animados a jogar como jogadores solo e também em equipes.
Por vários anos, engenheiros de robôs têm trabalhado diligentemente para criar robôs capazes de jogar futebol. Tal trabalho resultou em competição entre vários grupos para ver quem pode conceber os melhores jogadores de robôs. E isso levou à criação do RoboCup, que conta com diversas ligas, tanto no mundo real quanto simulado. Nesse novo esforço, os pesquisadores aplicaram um novo grau de programação de inteligência artificial e redes de aprendizado para ensinar robôs simulados a jogar futebol sem nunca lhes dar as regras.

A ideia por trás da nova abordagem é fazer com que os jogadores de futebol simulados aprendam a jogar da mesma forma que os humanos – observando como os outros o fazem. Também envolveu começar praticamente do zero. Os jogadores simulados primeiro tiveram que aprender a andar, depois a correr e chutar uma bola. A cada novo nível, os sistemas de IA exibiam vídeos de jogadores de futebol do mundo real, o que lhes permitia aprender não apenas o básico do futebol, mas também imitar a maneira como os atletas profissionais se movimentam em eventos esportivos de alto nível.

Uma vez que os robôs aprenderam a jogar o jogo da perspectiva de um jogador solo, eles foram colocados contra um único jogador. À medida que suas habilidades melhoraram, mais jogadores foram adicionados. Eventualmente, os pesquisadores tinham pequenas equipes jogando umas contra as outras, como dois contra dois. E à medida que os jogadores de IA aprenderam mais sobre como o jogo funciona, mais jogadores foram adicionados até que houvesse um complemento completo.

Os resultados alcançados pelos pesquisadores são impressionantes – a ação parece um jogo de computador, mas é mais realista porque os jogadores estão tomando decisões por conta própria. Mas, como os pesquisadores reconhecem, também é simplificado. Nenhuma falta é marcada, por exemplo, e há um limite invisível ao redor do campo, impedindo que as bolas saiam do campo. Além disso, eles observam que, até agora, houve longos tempos de aprendizado envolvidos no ensino dos jogadores a jogar, o que poderia inibir a tecnologia de avançar para robôs do mundo real. + Explorar mais

Uma estrutura de aprendizado por reforço para melhorar as habilidades de arremesso de futebol de robôs quadrúpedes

© 2022 Science X Network