Uma entrevista com Nicolai Omer: The RobocupSoccer Small Dimension League

Kick-off em uma pequena partida de tamanho da liga. Crédito da imagem: Nicolai Omer.

Robocup é uma iniciativa científica internacional com o objetivo de avançar o estado da arte de robôs inteligentes, IA e automação. O Evento anual de Robocup deve ocorrer de 15 a 21 de julho em Salvador, Brasil. O componente de futebol de Robocup compreende uma série de ligas, com uma delas sendo a League de tamanho pequeno (SSL). Conversamos com o membro do comitê executivo Nicolai Omer para descobrir mais sobre o SSL, como os árbitros de automóveis funcionam e como as equipes usam a IA.

Poderia começar dando -nos uma rápida introdução à liga de tamanho pequeno?

No League de tamanho pequeno (SSL) Temos 11 robôs por equipe – a única liga física de futebol Robocup a ter o número completo de jogadores. Os robôs são pequenos robôs cilíndricos sobre rodas e podem se mover em qualquer direção. Eles são construídos pelas equipes, então as equipes precisam fazer o {hardware} e a programação, e muitas coisas precisam trabalhar juntas para fazer uma equipe funcionar. A IA é central. Não temos agentes, portanto, as equipes têm um computador central no campo, onde podem fazer todo o cálculo e, em seguida, enviam os comandos para os robôs em diferentes abstrações. Algumas equipes enviarão apenas comandos de velocidade, outras equipes enviam um alvo.

Temos um sistema de visão central – isso é mantido pela liga e está desde 2010. Existem câmeras acima do campo para rastrear todos os robôs e a bola, para que todos saibam onde estão os robôs.

Os robôs podem subir até 4 metros por segundo (m/s), depois deste ponto, fica bastante instável para os robôs. Eles podem mudar de direção muito rapidamente e a bola pode ser chutada em 6,5 m/s. É bastante rápido e já tivemos que limitar a velocidade de chute. Anteriormente, tínhamos um limite de 8 m/se antes disso 10m/s. No entanto, nenhum robô pode pegar uma bola com essa velocidade, então decidimos reduzi -la e colocar mais foco em passar. Isso dá ao goleiro e aos defensores an opportunity de realmente interceptar um chute.

É tão rápido que, para os humanos, é muito difícil entender todas as coisas que estão acontecendo. E é por isso que, alguns anos atrás, introduzimos refs de automóveis, que ajudam muito a rastrear, especialmente coisas como colisões e assim por diante, onde o árbitro humano não pode assistir tudo ao mesmo tempo.

Como os refs de automóveis funcionam então e há mais de um operando ao mesmo tempo?

Quando desenvolvemos o sistema atual, para manter as coisas justas, decidimos ter várias implementações de um sistema de referência automóvel. Esses sistemas independentes implementam as mesmas regras e, em seguida, fazemos um voto majoritário nas decisões.

Para fazer isso, precisávamos de um componente intermediário, então, alguns anos atrás, iniciei esse projeto para ter um novo controlador de jogo. Esta é a interface do usuário (UI) para o árbitro humano que fica em um computador. Na interface do usuário, você vê o estado atual do jogo, pode manipular o estado do jogo, e esse componente coordena os refs de automóveis. Os refs de automóveis podem conectar e relatar faltas. Se apenas uma referência automática detectar a falta, ela não contará. Mas, se ambos os refs de automóveis relatarem a falta na janela do tempo, ela será contada. Parte do desafio period tornar isso tudo visible para o operador entender. O árbitro humano tem a última palavra e toma a decisão remaining.

Conseguimos estabelecer duas implementações. O objetivo period ter três implementações, o que facilita a formação de uma maioria. No entanto, ele ainda funciona com apenas duas implementações e temos isso há vários anos. As implementações são de duas equipes diferentes que ainda estão ativas.

Como os refs de automóveis lidam com colisões?

Podemos detectar colisões dos dados. No entanto, mesmo para os árbitros humanos, é muito difícil determinar quem foi o culpado quando dois robôs colidem. Por isso, tivemos que apenas definir uma regra, e todas as implementações do referência automática implementam a mesma regra. Escrevemos no livro de regras realmente especificamente como você calcula se uma colisão aconteceu e quem period o culpado. A primeira consideração é baseada na velocidade – abaixo de 1,5m/s não é uma colisão, acima de 1,5m/s. Há também outro fator, relacionado ao cálculo do ângulo, que também levamos em consideração para determinar qual robô estava em falta.

O que mais os refs de automóveis detectam?

Outras faltas incluem a velocidade do chute e, em seguida, há faltas relacionadas à adesão ao procedimento regular do jogo. Por exemplo, quando a outra equipe tive um chute livre, os robôs adversários devem manter uma certa distância da bola.

Os refs de automóveis também observam não-chapas, em outras palavras, eventos de jogo. Por exemplo, quando a bola sai do campo. Esse é o evento mais comum. Na verdade, este não é tão fácil de detectar, principalmente se houver um chute de chip (onde a bola sai da superfície de jogo). Com a lente da câmera, a parábola da bola pode fazer parecer que está fora do campo de jogo quando não é. Você precisa de um filtro robusto para lidar com isso.

Além disso, quando os referências de automóveis detectam uma meta, não confiamos completamente neles. Quando um objetivo é detectado, chamamos de “objetivo possível”. A partida é interrompida imediatamente, todos os robôs param e o árbitro humano pode verificar todos os dados disponíveis antes de conceder a meta.

Você está envolvido na liga há vários anos. Como a liga e o desempenho dos robôs evoluíram ao longo desse tempo?

Meu primeiro Robocup foi em 2012. A introdução dos refs de automóveis tornou a peça muito mais fluente. Antes disso, também introduzimos o conceito de colocação de bola, para que os robôs se colocassem na bola para um chute livre ou começar, por exemplo.

Do lado do {hardware}, a principal melhoria nos últimos anos tem driblado a bola em situações individuais. Também houve uma melhoria nas habilidades especializadas realizadas por robôs com uma bola. Por exemplo, alguns anos atrás, uma equipe (Zjunlict) desenvolveu robôs que poderiam puxar a bola para trás com eles, se mover com defensores e depois atirar no gol. Este foi um movimento inesperado, que não vimos antes. Antes disso, você tinha que fazer um passe para enganar os defensores. Nossa equipe, Tigers Mannheim, também melhorou nessa área agora. Mas é realmente difícil fazer isso e requer muita ajuste. Realmente depende do campo, o tapete, que não é padronizado. Portanto, há um pouco de sorte que seu {hardware} especificamente construído está realmente teve um bom desempenho no tapete da competição.

A pequena grande remaining da liga de tamanho em Robocup 2024 em Eindhoven, Holanda. Tigers Mannheim vs. Zjunlict. Crédito do vídeo: Tigres Mannheim. Você pode encontrar o canal do YouTube dos Tigres aqui.

Quais são alguns dos desafios da liga?

Um grande desafio, e também é bom para a liga é que temos muitos estudantes de graduação nas equipes. Esses alunos tendem a deixar as equipes após o diploma de bacharel ou mestrado, todos os membros da equipe mudam com bastante regularidade, e isso significa que é difícil manter o conhecimento nas equipes. É um desafio manter o desempenho da equipe; É até difícil reproduzir o que os membros anteriores alcançaram. É por isso que não temos grandes passos adiante, porque as equipes precisam repetir as mesmas coisas quando os novos membros ingressam. No entanto, é bom para os alunos, porque eles realmente aprendem muito com a experiência.

Estamos trabalhando continuamente para identificar coisas que podemos disponibilizar para todos. Em 2010, o sistema de visão foi estabelecido. Foi um fator enorme, o que significa que as equipes não precisavam fazer visão computacional. Atualmente, estamos buscando estabelecer padrões para comunicação sem fio – isso é feito atualmente por todos por conta própria. Queremos avançar a liga, mas, ao mesmo tempo, também queremos ter essa natureza de poder aprender, poder fazer todas as coisas, se quiserem.

Você realmente precisa ter uma equipe de pessoas de diferentes áreas – engenharia mecânica, eletrônica, gerenciamento de projetos. Você também precisa obter patrocinadores e promover seu projeto, se interessar pelos alunos em sua equipe.

Você poderia falar sobre alguns dos elementos da IA para a liga?

A maior parte do nosso software program é baseada em scripts, mas aplicamos aprendizado de máquina para problemas pequenos e sutis.

Na minha equipe, por exemplo, modelamos a calibração com algoritmos bastante simples. Temos um modelo específico para o chute do chip e outro para o robô. O atrito da roda é bastante complicado, por isso criamos um modelo e, em seguida, coletamos os dados e usamos aprendizado de máquina para detectar os parâmetros.

Para a estratégia de correspondência actual, um bom exemplo é dos cmdragons da equipe. Um ano, você realmente poderia observar que eles haviam treinado seu modelo para que, uma vez que obtivessem o gol, votassem a estratégia que aplicaram antes disso. Você realmente podia ver que o oponente reagiu da mesma maneira o tempo todo. Eles foram capazes de marcar vários gols, usando a mesma estratégia repetidamente, porque descobriram que, se uma estratégia funcionasse, poderiam usá -la novamente.

Para nossa equipe, os Tigres, nosso software program se baseia muito no cálculo das pontuações para o quão bom é o passe, quão bem um passe pode ser interceptado e como podemos melhorar a situação com um passe específico. Às vezes, isso é codificado, com alguns cálculos baseados em geometria, mas também há alguns ajustes finos. Se marcarmos um gol, rastreamos de volta e vemos de onde veio o passe e damos bônus em alguns dos cálculos de pontuação. É mais complicado do que isso, é claro, mas em geral é o que tentamos fazer aprendendo durante o jogo.

As pessoas costumam perguntar por que não fazemos mais com a IA, e acho que o principal desafio é que, em comparação com outros casos de uso, não temos tantos dados. É difícil obter os dados. No nosso caso, temos {hardware} de verdade e não podemos simplesmente fazer partidas o dia inteiro por dias a fio – os robôs quebrariam e eles precisam ser supervisionados. Durante uma competição, temos apenas cinco a sete partidas no whole. Em 2016, começamos a gravar todos os jogos com um formato legível por máquina. Todas as posições são codificadas, juntamente com as decisões do árbitro, e tudo está em um arquivo de log que publicamos centralmente. Espero que, com essa quantidade crescente de dados, possamos aplicar alguns algoritmos de aprendizado de máquina para ver o que as correspondências anteriores e as estratégias anteriores fizeram e talvez obter algumas idéias.

Que planos você tem para sua equipe, os Tigres?

Na verdade, vencemos a competição nos últimos quatro anos. Esperamos que haja outras equipes que possam nos desafiar. Nossa defesa não foi realmente desafiada, então temos dificuldade em encontrar fraquezas. Na verdade, jogamos contra nós mesmos em simulação.

Uma coisa em que queremos melhorar é a precisão, porque ainda há algum trabalho handbook para fazer tudo calibrado e funcionando com a mesma precisão que queremos. Se alguns pequenos detalhes não estão funcionando, por exemplo, o drible, isso corre o risco de todo o torneio. Portanto, estamos trabalhando para facilitar todos esses processos de calibração e fazer mais processamento automático de dados para determinar os melhores parâmetros. Nos últimos anos, trabalhamos muito em drible nas situações 1 vs 1. Essa foi uma grande melhoria para nós e ainda estamos trabalhando nisso.

Sobre Nicolai

Nicolai Omer é engenheiro e arquiteto de software program da Qaware em Munique, especializado em projetar e construir sistemas de software program robustos. Ele possui um B.Sc. em Ciência da Computação Aplicada e um M.Sc. em sistemas autônomos. Nicolai começou sua jornada em robótica com o Staff Tigers Mannheim, participando de seu primeiro Robocup em 2012. Sua dedicação o levou a se juntar ao Comitê Técnico da Liga de Pequenos Tamanho Robocup e, em 2023, o Comitê Executivo. Apaixonado por inovação e colaboração, Nicolai combina uma visão acadêmica com experiência prática para ultrapassar os limites dos sistemas inteligentes e contribuir para as comunidades globais de robótica e engenharia de software program.