Pensilvanya Üniversitesi araştırmacıları HoloRadar’ı tanıttı. Yapay zeka odaklı kullanan sistem radyo dalgaları robotların çalışmasına izin vermek köşeleri ‘görmek’ doğrudan görüş hattı olmadan.
Güvenmek yerine görünür ışık Diğer görüş hattı olmayan (NLOS) algılama yaklaşımları gibi ortamlarda, yeni yaklaşım, zifiri karanlık da dahil olmak üzere değişken aydınlatma koşullarında çalışıyor.
HoloRadar’ın arkasındaki Penn araştırma ekibi, yaklaşımlarının daha güvenli teknolojilerin geliştirilmesine yardımcı olabileceğini öne sürüyor otonom sürüş sistemler. HoloRadar ayrıca otomatikleştirilmiş performansı da artırabilir robotik fabrikalarda, depolarda ve diğer sıkışık yerlerde kullanılan platformlar, yüksek trafik ortamlar.
Bilgisayar ve Bilgi Bilimi (CIS) Yardımcı Doçenti ve köşelerin arkasını görebilen robotu anlatan bir makalenin kıdemli yazarı Mingmin Zhao, “HoloRadar, robotların gerçekte çalıştığı ortamlarda çalışmak üzere tasarlandı” dedi. “Bu sistem mobildir, gerçek zamanlı olarak çalışır ve kontrollü aydınlatmaya bağlı değildir.”
HoloRadar’dan Önce NLOS Sistemleri Teknolojik Zorluklarla Karşılaşıyordu
Bir göre ifade Penn araştırmacılarından diğer ekipler, gizli engelleri görselleştirebilen sistemler gösterdiler, ancak bu yaklaşımların doğru çalışması için görünür ışığın olması gerekiyor. Bunun nedeni, bu NLOS sistemlerinin köşelerin arkasını ‘görmek’ için gölgelerin veya diğer dolaylı yansımaların oluşturduğu desenleri analiz etmesidir.
Bazı çabalar radyo sinyallerini kullanmaya çalıştı ancak bu yaklaşımlar yavaş, hacimli tarama ekipmanlarına dayanıyordu. Radyo dalgalarının çözünürlüğü sınırlayabilecek daha uzun dalga boylarına sahip olması nedeniyle bu yaklaşım sıklıkla bir dezavantaj olarak algılanmaktadır. Ancak Penn ekibi bu daha uzun dalga boylarında potansiyel gördü.
Çalışmanın ortak yazarı ve BDT doktora öğrencisi Haowen Lai, “Radyo dalgaları duvarlardaki küçük yüzey değişikliklerinden çok daha büyük olduğundan, bu yüzeyler radyo sinyallerini öngörülebilir şekillerde yansıtan aynalar haline geliyor” dedi.
Teorik olarak, bu daha uzun dalga boyları, bu bilgiyi gizli konumun haritasına dönüştürebilecek ve köşelerin arkasını görmesine olanak tanıyacak bir robota geri taşımadan önce duvarlardan, zeminden ve tavanlardan sekebilmelidir.
Makalenin ortak yazarı ve Elektrik ve Sistem Mühendisliği (ESE) alanında doktora öğrencisi olan Zitong Lan, “Bu, sürücülerin bazen kör kavşaklarda bulunan aynalara güvenmelerine benzer” diyor. “HoloRadar radyo dalgalarını kullandığından, ortamı gerçekten değiştirmek zorunda kalmadan ortamın kendisi aynalarla dolu hale geliyor.”
Yapay Zeka, Gizli Nesnelerin 3D Görüntüsünü Oluşturmak İçin Yansıma Sürecini Nasıl Tersine Çeviriyor?
Penn ekibi, son HoloRadar sistemini oluşturmadan önce bu sistemlerin temel sınırlamalarını ele alarak işe başladı. Spesifik olarak, robota dönmeden önce birçok kez etrafta dolaşan radyo dalgaları, ekibin geleneksel sinyal işleme yaklaşımlarını engelleyebilecek “karışık yansımalar dizisi” olarak tanımladığı şeyi yaratıyor.
Lan, “Bir bakıma bu zorluk aynalarla dolu bir odaya girmeye benziyor” dedi. “Aynı nesnenin birçok kopyasının farklı yerlere yansıdığını görüyorsunuz ve işin zor kısmı, nesnelerin gerçekte nerede olduğunu bulmak.”
Ekip, bu sorunu çözmek için makine öğrenimini fizik tabanlı modellemeyle birleştiren hibrit bir model oluşturdu. Süreç, ham radyo sinyallerinin çözünürlüklerinin arttırılmasıyla başlar. Ekibe göre bu süreç, sistemin radyo dalgalarının izlediği farklı yansıma yollarına karşılık gelen birden fazla sinyal “geri dönüşünü” tanımlamasına yardımcı oluyor.
Daha sonra HoloRadar çekirdek zekası, yansıyan sinyalleri geriye doğru izliyor. Ekip, bu adımın gizli konumun “ayna benzeri etkilerini” ortadan kaldırdığını ve HoloRadar’ın gerçek üç boyutlu sahneyi yeniden oluşturmasına olanak sağladığını söyledi. Sonuç, doğrudan ve dolaylı radyo dalgası yansımalarını ayırt edebilen ve sonuçta köşede saklanan nesnelerin ve insanların doğru fiziksel konumunu belirleyen bir yapay zekadır.
Lan, “Sistemimiz bu süreci fizik temelli bir şekilde nasıl tersine çevireceğini öğreniyor” diye açıkladı.
“Robotların Doğrudan Önlerinde Olanın Ötesini Görmeleri Gerekiyor”
Bir dizi testte Penn ekibi HoloRadar’ı mobil bir robot üzerinde test etti. Fabrikalar ve depolar gibi köşeyi görme yeteneğinden yararlanabilecek robotların halihazırda kullanımda olduğu ortamları simüle etmek için test, koridorları ve köşeleri olan alanları içeriyordu.
Ekibin açıklamasına göre HoloRadar donanımlı robot, robotun doğrudan görüş hattının dışında bulunan “duvarları, koridorları ve gizli insan deneklerini başarıyla yeniden inşa etti”.
Penn ekibi, yaklaşımlarının olası uygulamalarını tartışırken HoloRadar’ın mevcut seçeneklerin yerini alacak şekilde tasarlanmadığını söyledi. Bunun yerine, yaklaşımlarının, görüş alanlarındaki nesneleri algılamak için halihazırda LIDAR ile donatılmış robotik platformlara “ek bir algı katmanı” eklediğini söylediler.
Zhao, “Robotların ve otonom araçların doğrudan önlerinde olanın ötesini görmesi gerekiyor” diye açıkladı. “Bu yetenek, robotların ve otonom araçların gerçek zamanlı olarak daha güvenli kararlar almasına yardımcı olmak için gereklidir.”
Mevcut HoloRadar sistemi iç mekanlarda başarılı olsa da ekip, kentsel sokaklar ve kavşaklar gibi dış mekan ortamlarını keşfetmeyi planlıyor. Bu tür ortamlar, mevcut yaklaşımların üstesinden gelmekte zorlandığı daha uzun mesafeler ve daha dinamik koşullar nedeniyle robotik sistemlere meydan okuyor.
Zhao, “Bu, robotların çevrelerini daha iyi anlamalarını sağlamaya yönelik önemli bir adımdır” dedi. “Uzun vadeli hedefimiz, insanların her gün içinde bulunduğu dinamik ve karmaşık ortamlarda makinelerin güvenli ve akıllı bir şekilde çalışmasını sağlamak.”
Çalışma “Radarla Görüş Hattı Dışında 3D Yeniden Yapılanma” 39. Yıllık Konferansta sunuldu. Sinirsel Bilgi İşleme Sistemleri (NeurIPS).
Christopher Plain, Bilim Kurgu ve Fantazi roman yazarı ve The Debrief’te Baş Bilim Yazarıdır. Onu takip edin ve onunla bağlantı kurun X, onun kitapları hakkında bilgi edinin plainfiction.comveya doğrudan şu adrese e-posta gönderin: [email protected].
