// HEISE ONLINE — GAMING
Airhockey: KI-Spieler übertrifft menschliche Spieler ohne physisches Training
Airhockey ist ein sehr schnelles Spiel. Das stellt große Herausforderungen an einen KI-Spieler. Dieser muss allerdings nicht so aufwendig trainiert werden.
This article is also available in
English.
It was translated with technical assistance and editorially reviewed before publication.
Drei Studierende der University of Britisch Columbia (UBC) haben einen Zwei-Spieler-Airhockey-Tisch weiterentwickelt. Der von einer Künstlichen Intelligenz (KI) angesteuerte KI-Spieler ist ausschließlich in einer Simulation trainiert worden, wie sie in einem Paper (PDF) erläutern. Die KI kann auf unerwartete Bedingungen wie etwa unvorhersehbares Abprallverhalten des Pucks reagieren und ist durchschnittlichen menschlichen Spielern überlegen.
Beim vor allem in den USA beliebten Airhockey-Spiel versuchen zwei Spieler, einen Puck auf einem Spieltisch mittels eines runden Schlägers in das gegnerische Tor zu schießen. Der Puck gleitet dabei auf einer glatten oder von Luft durchströmten Oberfläche, die die Reibung möglichst gering hält. Dadurch erreicht der Puck hohe Geschwindigkeiten, denn er wird zusätzlich durch elastische Außenbanden dauerhaft im Spiel gehalten. Gewonnen hat der Spieler, der zuerst sieben Tore und damit sieben Punkte erzielt hat.
Um einen Airhockey-Spieltisch zu entwickeln, der einen KI-Spieler umfasst, sind einige Herausforderungen zu bewältigen. Zunächst muss die Spielsituation erfasst werden. Dies geschieht über eine oberhalb des Tischs angebrachte Kamera, die mit 120 FPS arbeitet. Um die jeweilige Position des Pucks schnell erfassen zu können, verwenden die Studierenden helle LEDs nahe der Linse und ein reflektierendes Klebeband am Puck. Dadurch erhalten sie klare und scharfe Bilder bei extrem kurzen Belichtungszeiten von lediglich 100 ms, sodass die Position des Pucks genau bestimmt werden kann. Das geschieht auf etwa einen Millimeter genau.
Mit Ihrer Zustimmung wird hier ein externes YouTube-Video (Google Ireland Limited) geladen.
Ich bin damit einverstanden, dass mir externe Inhalte angezeigt werden.
Damit können personenbezogene Daten an Drittplattformen (Google Ireland Limited) übermittelt werden.
Mehr dazu in unserer
Datenschutzerklärung.
Der Schläger des KI-Spielers ist an beweglichen Schienen angebracht, die den Spieltisch in der Hälfte des KI-Spielers bewegungstechnisch in zwei Dimensionen abdecken. Geführt wird der Schläger über Riemen von zwei Gleichstrommotoren, die über einen „STM32 Blue Pill“-Mikroprozessor angesteuert werden. Die dabei hauptsächlich bei schnellen Bewegungen auftretenden Spannungsschwankungen des Steuersignals stabilisieren die Entwickler mit einem Superkondensator, einem Kondensator, der eine höhere Energiedichte aufweist als herkömmliche Kondensatoren.
Den physischen Spieltisch überführten die Studierenden in eine Simulationsumgebung, verzichteten jedoch darauf, Physik-Engines wie Unity oder Unreal zu benutzen. Sie wollten das Training so einfach wie möglich gestalten und setzen auf eine eigene Simulationsumgebung, in der sie die Soft-Actor-Critic-Trainingsmethode anwendeten. Dabei handelt es sich um einen Deep-Reinforcement-Lernalgorithmus, der für das Erlernen von Entscheidungs- und Steuerungsstrategien in komplexen Systemen mit kontinuierlichen Aktionsräumen entwickelt wurde.
In der Simulation werden die Puck- und Schlägerbewegungen simuliert. Beim Aufprall des Pucks auf die virtuelle Bande wird ein neuronales Netzwerk mit lediglich 112 Parametern verwendet, um die Abprallgeschwindigkeit und den Abprallwinkel sowie die Unsicherheit vorherzusagen. Der Simulator benutzt die ermittelte Unsicherheitsverteilung zufällig, sodass die errechneten Abpraller für das Training nicht perfekt ausfallen. Das kommt realen Gegebenheiten näher. Denn der Puck und die Bande haben in der Realität kleine Abweichungen in ihrer Form und sind nie perfekt.