तो क्या Olympic में उतरेंगे Robots? गूगल के रोबोट ने खेला ऐसा टेबल टेनिस, मुंह ताकते रह गए खिलाड़ी

Robot ने अलग-अलग स्तर के खिलाड़ियों के खिलाफ 45 प्रतिशत मैच जीते. 29 लोगों के साथ हुए टेस्ट में इसने शुरुआती खिलाड़ियों को सभी मैचों में और मध्य स्तर के खिलाड़ियों को 55 प्रतिशत मैचों में हराया.
Google DeepMind के रिसर्चर्स ने एक ऐसा रोबोट बनाया है जो टेबल टेनिस अच्छे स्तर पर खेल सकता है. यह रोबोटिक्स और आर्टिफिशियल इंटेलीजेंस के क्षेत्र में एक बड़ी उपलब्धि है. इस रोबोट में एक विशेष तरह की 6 DoF ABB 1100 वाली बांह लगी है जो आगे-पीछे भी जा सकती है. इसने अलग-अलग स्तर के खिलाड़ियों के खिलाफ 45 प्रतिशत मैच जीते. 29 लोगों के साथ हुए टेस्ट में इसने शुरुआती खिलाड़ियों को सभी मैचों में और मध्य स्तर के खिलाड़ियों को 55 प्रतिशत मैचों में हराया.
अच्छे खिलाड़ियों से हारा
लेकिन, इस रोबोट को अच्छे खिलाड़ियों के खिलाफ काफी मुश्किल हुई और यह सभी मैच हार गया. हालांकि, इसमें कुछ कमियां थीं, फिर भी 29 में से 26 लोगों ने रोबोट के साथ फिर से खेलने की इच्छा जताई और उन्हें यह अनुभव अच्छा लगा.
कैसे करता है काम?
रोबोट को इस तरह बनाया गया है कि वह अलग-अलग कामों के लिए छोटे-बड़े हिस्सों से मिलकर बना है. इसमें छोटे हिस्से खास कामों के लिए होते हैं, और एक बड़ा हिस्सा होता है जो सोच-समझकर फैसले लेता है. इस रोबोट को काल्पनिक स्थिति से असली दुनिया में लाने के लिए बेहतरीन तरीकों का इस्तेमाल किया गया है. इससे वह नए विरोधियों के हिसाब से खुद को बदल सकता है और अच्छे फैसले ले सकता है.
नहीं झेल पाया तेज आती गेंद
इस सिस्टम को पहले एक काल्पनिक दुनिया में सिखाया गया था, जहां इसे खुद सीखने और दूसरों की नकल करने के तरीके इस्तेमाल किए गए. इसके बाद इसे असली दुनिया में काम करने के लिए तैयार किया गया. यह सिस्टम खेल के दौरान होने वाली बातों और विरोधी खिलाड़ियों के प्रदर्शन को लगातार देखकर खुद को बदल सकता है. हालांकि, तेज गेंदों को संभालने में इस रोबोट को दिक्कत होती है क्योंकि सिस्टम को जवाब देने में थोड़ा समय लगता है, हर बार खेल रोकना पड़ता है और इसके पास सीखने के लिए कम जानकारी होती है. वैज्ञानिक इस समस्या को सुलझाने के लिए नए तरह के नियंत्रण तरीके और मशीन में सुधार करने के बारे में सोच रहे हैं.