天才一秒记住【热天中文网】地址：https://www.rtzw.net
的过程，一个开始。
每个回合包含几十个变量，网球初始位置、速度、转速、自转方向、动态位置…对手的位置、移动、姿态、握拍方式…从战术的角度，它所需要推演并决策的信息对比围棋是呈指数级别的增量。
这不是常规ai训练能覆盖得了的。
所以我们采用的学习模式兼顾多样，首先我们给它“看”
网球比赛，以“一分”
为单位。
从发球开始，每个回合的点位、线路。
同时，把不同的运动员进行简单的“建模”
，让西格玛学习他们。
多达十几万的单位其实不够让西格玛应对任何情况，而且采集的信息可能有错误。
又或者有我们未知的bug。
所以我们还采取实际的训练模式。
其一就是把网球场区域三维网格化，然后让西格玛遍历不同的球形和落点，探索最优“解”
，并且对有误的已学信息进行纠正。
但是这样的效率很低，真要完成遍历一百年都做不到。
所以我们决定搭配第二种训练模式：找职业运动员进行真实对抗，获得更多的“经验”
。
同时，我们必须进行算法优化，最大程度减少“思考”
时间。
马丁在与西格玛底线对拉，后台的电脑上显示西格玛的“思维”
信息和击球效率。
一拍出界，马丁摇了摇头，他又一次失误。
西格玛停顿了下，转身找球并挑在拍上。
“这也太真了吧！”
马丁转头和一旁观察的工程师摊手。
等他以准备的姿态盯着西格玛，机器人才重新开始发球的动作。
马丁·佩罗特：这份工作持续了一个星期，很快，我已经不能让它产生任何错误。
而我也不想再练下去。
想象一下你与球友训练，只有你在不断失误，这让我难以忍受。
sra首席设计师-周毅：我们在不停地找更有效率，击球质量更高的职业运动员。
比如发球、接发特别出色的，对某条线路特别拿手的，网前技术特别强的……他们可能只是不够全面，所以难以升到更高的排名。
他们让西格玛不断得到强化，也给予了我们宝贵的专业性意见。
十倍速镜头下，西格玛的外观也在日渐完善。
直至7月8日，一切测试完成后，工程师再次小心地为它装上核动力电池。
银色的额头亮起具有科技魅惑感的蓝光标识——∑
本章未完，请点击下一章继续阅读！若浏览器显示没有新章节了，请尝试点击右上角↗️或右下角↘️的菜单，退出阅读模式即可，谢谢！