Messinator: 140 Yıllık Sanal Eğitim Alan Futbol Robotu

Robotlara futbol oynatmak için her hareketi önceden programlamak gerekmiyor. Robotik yapay zekâ şirketi Skild AI, S1 adlı sistemini farklı bir yöntemle eğitti. Şirket, robota topa nasıl yaklaşacağını veya rakibin önünü nasıl kapatacağını tek tek anlatmak yerine, hedefi olan sanal bir futbol ortamı oluşturdu.

Bu sanal sahada S1’in temel amacı gol atmaktı. Robot, NVIDIA’nın Isaac Sim platformunda tekrar tekrar maç yaptı ve yaklaşık 140 yıllık futbol deneyimine denk gelen sayıda karşılaşma oynadı. İlk aşamalarda yürümekte dahi zorlanan sistem, maçlar ilerledikçe topa yaklaşma, top sürme, yön değiştirme ve rakibin hareketini engelleme gibi davranışları kendi denemeleriyle geliştirdi.

Skild AI, futbol dünyasının yıldızı Lionel Messi’ye gönderme yaparak robotu “Messinator” olarak adlandırdı. İsim eğlenceli bir benzetme sunsa da projenin asıl amacı, bir robotun karmaşık fiziksel görevleri yalnızca önceden yazılmış komutlarla değil, hedef odaklı öğrenmeyle yerine getirip getiremeyeceğini sınamak.

Messinator hem rakibi hem de öğretmeni oldu

Robotun eğitiminde karşısına sürekli aynı rakip çıkmadı. Messinator, önceki sürümünün biraz daha gelişmiş bir hâliyle karşılaştırıldı. Her yeni maçta oyun zorlaştıkça robot farklı yöntemler denedi; işe yarayan hareketleri korudu, sonuç vermeyenleri ise geride bıraktı.

Bu yaklaşım, yapay zekâ alanında “self-play” olarak biliniyor. Sistem, kendi önceki performansıyla rekabet ederek becerilerini geliştirmeye çalışıyor. Yöntem daha önce Go gibi masa oyunlarında ve bilgisayar oyunlarında kullanıldı. Skild AI ise aynı fikri, fiziksel hareketler ve gerçek dünya koşulları için uyguladı.

Futbol, bu yaklaşımı sınamak için oldukça zorlu bir görev sunuyor. Messinator’ın yalnızca hareket etmesi yeterli değil. Robotun dengesini korurken topu kontrol etmesi, karşısındaki oyuncunun davranışını izlemesi ve bir sonraki hamlesine karar vermesi gerekiyor. Üstelik bu işlemlerin aynı anda gerçekleşmesi, fiziksel dünyadaki robot öğreniminin neden zor olduğunu gösteriyor.

Sanal sahadaki beceriler gerçek zemine taşındı

Simülasyondaki eğitim tamamlandıktan sonra Messinator, öğrendiği hareketleri fiziksel gövdesiyle uygulamaya başladı. Robot top sürdü, yön değiştirdi ve rakibin önünü kapatmaya çalıştı. Böylece sanal ortamda geliştirilen davranışların gerçek zeminde ne ölçüde kullanılabildiği test edildi.

Sanal ortamların robot eğitimi açısından en büyük katkısı, denemelerin kontrollü biçimde tekrarlanabilmesi. Bir robotun fiziksel dünyada aynı hareketi defalarca uygulaması zaman alabilir ve donanımın zarar görmesine yol açabilir. Isaac Sim gibi simülasyon ortamları ise yapay zekânın çok sayıda senaryo üzerinden pratik yapmasına imkân tanıyor. Kaynakta bu eğitim için kullanılan maçların tam sayısı veya süresi paylaşılmıyor; yalnızca deneyimin yaklaşık 140 yıllık futbol oyununa denk geldiği belirtiliyor.

Hedef odaklı öğrenme futbolun dışına çıkabilir

Skild AI, bu öğrenme biçimini yalnızca futbol için kullanmak istemiyor. Şirketin yaklaşımında robotlara bütün hareketleri önceden ezberletmek yerine, ulaşılması gereken bir hedef veriliyor. Robot da hedefe giden yolu deneme ve sonuçları değerlendirme yoluyla bulmaya çalışıyor.

Bu yöntem, farklı çalışma alanlarına uyarlanabilir. Fabrikada bir nesneyi kaldırmak, şantiyede değişen koşullara göre hareket etmek veya ev ortamında bir görevi tamamlamak, aynı mantıkla ele alınabilecek örnekler arasında yer alıyor. Bu görevlerde robotun yalnızca belirli komutları uygulaması değil, değişen şartlara göre karar vermesi gerekiyor.

Messinator’ın futbol performansı, tek başına futbol oynayan robotların yaygınlaşacağı anlamına gelmiyor. Ancak proje, fiziksel yapay zekâ sistemlerinin hareketleri tek tek kodlamak yerine hedef üzerinden öğrenebileceğini gösteren bir deneme sunuyor. Topun peşinden koşan S1, bu nedenle yalnızca bir futbol robotu değil; robotların gerçek dünyadaki görevleri öğrenme biçimini araştıran bir platform olarak öne çıkıyor.