Robotlar artık kendi başlarına öğrenebilecek!
MIT Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı (CSAIL) araştırmacıları, robotların tanımadıkları ortamlarda yeteneklerini bağımsız olarak geliştirmelerine yardımcı olacak yeni bir algoritma geliştirdi. “Estimate, Extrapolate, and Situate” (EES) olarak adlandırılan bu algoritma, robotların süpürme ve nesneleri yerleştirme gibi görevlerde daha iyi olmalarını sağlamak için kendi başlarına pratik yapmalarına olanak tanıyor. Bu yeniliğin, robotların ev, hastane ve fabrikalar gibi çeşitli ortamlarda daha etkili bir şekilde çalışmasına yardımcı olacağı düşünülüyor.
EES algoritması, robotların görsel sistemlerle çevrelerini tanımalarını, belirli bir görevi ne kadar iyi yerine getirdiklerini değerlendirmelerini ve hangi yeteneklerinin geliştirilmesi gerektiğine karar vermelerini sağlıyor. MIT araştırmacılarından Nishanth Kumar, robotların sadece birkaç deneme ile anlamlı bir şekilde iyileşebildiğini belirtiyor. Örneğin, Boston Dynamics’in Spot robotu, birkaç saatlik pratikle eğitildiği görevlerde gözle görülür bir gelişme gösteriyordu.
EES algoritmasının sağladığı bu hızlı öğrenme süreci ile robotların bulundukları yeni ortamlarda kendi başlarına pratik yapmaları kolaylaşıyor. Ancak algoritmanın bazı sınırlamaları bulunuyor. Araştırmalar sırasında, robotların bazı nesneleri algılamada ve doğru yerleştirmede zorluk yaşadığı görüldü. Örneğin, Spot robotu, denemeler sırasında bazı nesneleri doğru bir şekilde tespit edemedi ve yerlerini yanlış belirledi. Bu tür hatalar, algoritmanın doğruluğunu etkileyebiliyor. Robotların nesneleri daha kolay görebilmesi için daha alçak seviyelerde çalışılması gerekiyor. Araştırmacılar, gelecekte bu sistemi daha da hızlandırmayı ve daha az gecikme ile çalışmasını sağlamayı hedefliyor. Fiziksel deneyler yerine simülatörler kullanılarak algoritmanın daha hızlı çalışmasının sağlanması hedefleniyor. Bu şekilde, robotlar gerçek dünyada denemeler yapmadan önce sanal ortamda pratik yaparak becerilerini geliştirebiliyorlar.
Bu yetenekler, önceki yaklaşımlara kıyasla çok daha hızlı bir şekilde geliştirildi. Önceki sistemlerle aynı sonuçlara ulaşmak için on saatten fazla süre gerekebiliyordu. EES algoritması sayesinde robotlar, kısa sürede büyük gelişmeler gösterebiliyor.
Bunun yanı sıra EES algoritması robotların hangi becerilerin üzerine çalışması gerektiğini belirleyerek büyük bir avantaj sağlıyor. Bu algoritma, robotların mevcut bilgi ve yeteneklerine odaklanarak, hangi becerinin en çok fayda sağlayacağını seçmelerine yardımcı oluyor. Bu özellik, robotların yeni ortamlarda daha hızlı adapte olmasını sağlayarak onları daha verimli kılıyor.
Georgia Tech’te etkileşimli bilişim alanında yardımcı doçent olan ve NVIDIA AI’da araştırma bilimcisi olarak görev yapan Danfei Xu, bu çalışmanın büyük bir adım olduğunu belirtiyor. Xu, gelecekte ev robotlarının geniş bir görev yelpazesinde çalışmasını beklediğimizden, bu robotların iş başında öğrenme yeteneğinin kritik öneme sahip olacağını vurguluyor. Xu’ya göre, bu algoritma, robotların bağımsız bir şekilde yeteneklerini geliştirebilmesi için önemli bir adımı temsil ediyor.
EES algoritması, gelecekte robotların yeni ortamlarda daha hızlı adapte olmasını ve daha verimli çalışmasını sağlayabilir. Ancak, araştırmacılar bu algoritmanın sınırlamalarını aşmak için çalışmalarına devam edeceklerini belirtiyor. Nihai hedef, robotların daha hızlı, daha verimli ve daha güvenilir bir şekilde çalışmasını sağlamak olarak görülüyor.
