Fransa’daki École Polytechnique Fédérale de Lausanne’den (EPFL) bilim adamlarından oluşan bir ekip, robotlar ‘kinetik zeka’ olarak adlandırılan, kendi araç ve yeteneklerinin yanı sıra işlevsel sınırlamalarına ilişkin içsel bir anlayışa sahiptirler.
Yeni çerçevenin arkasındaki araştırmacılar, yaklaşımlarının robotlara distopik olmasa da benzeri görülmemiş bir yetenek kazandırdığını söyledi. yeni beceriler öğren işlevsel benzerliklerine bakılmaksızın diğer robotlardan.
Henüz deney aşamasında olan ekip, gösterilerden öğrenme (LfD) çerçevesinin verimliliği önemli ölçüde artırabileceğini söyledi. çok robotlu ortamlar Büyük perakende depoları gibi otomotiv montajı azaltarak bitkiler robotik sistemlerin eğitim süreleri birlikte çalışacak şekilde tasarlanmıştır.
Farklı Tasarımlara Sahip Robotlar İçin Karmaşık Görevleri Öğrenmek Hala Zorlayıcıdır
Bir göre ifade Robotların karmaşık görevleri diğer robotları izleyerek öğrenmesine olanak tanıyan bilimkurgu benzeri çerçeveyi duyuran bazı LfD sistemleri halihazırda mevcuttur. Bununla birlikte, bu önceki sürümler farklı robotik sistemler arasında aktarılamıyor, bu da onları aynı “eğitimli” modelden öğrenen tek bir robotik platformla sınırlıyor.
Araştırma ekibi, çalışmalarını detaylandıran yayınlanmış bir çalışmada “Çoğu LfD yöntemi, üzerinde eğitim aldıkları robota bağlı kalıyor” dedi.
Robotik sistemler geliştikçe işgücünde yaygınkarmaşıklıklarının ve yeteneklerinin de artmaya devam etmesi bekleniyor. Araştırma ekibi, bu artan “hareket özgürlüğünün”, farklı şekilde yapılandırılmış robotik platformların, farklı ama benzer şekilde çok yönlü tasarıma sahip robotlar tarafından düzenli olarak gerçekleştirilen görevleri yerine getirmeyi öğrenmesine olanak tanıyan eğitim yöntemlerine kapı açacağını belirtiyor. Bununla birlikte, artan karmaşıklığın yalnızca saatlerce insan müdahalesi gerektirmeyen daha basit eğitim yöntemlerine olan ihtiyacı artıracağını da belirtiyorlar.
Araştırmacılar, “Robotlara yeni beceriler öğretmek, programlamak yerine göstermek kadar doğal olmalı” diye açıkladı. “Gösterimden öğrenme (LfD), kullanıcıların bir robotu yönlendirmesine veya istenen bir hareketi çizmesine olanak tanıyarak bu hedefe doğru ilerliyor ve bir satır kod yazmadan öğrenmeyi mümkün kılıyor.”
Kinematik Zekayı Farklı Şekilde Oluşturulmuş Platformlara Yerleştirme
İnsan eğitmenlerini denklemden çıkarmak için EPFL ekibi, eklem aralığı ve hareket kısıtlamalarına göre farklı 3 eklemli robotları değerlendirdi ve sınıflandırdı. Çeşitli otonom öğrenme yaklaşımlarını test ettikten sonra ekip, potansiyel iş yerlerini modelleyen, robotu daha önce nasıl sınıflandırdıklarına dayalı olarak ‘uygun’ hareket yörüngelerini tanımlayan ve ardından her robotun özel tasarım yetenekleri dahilinde güvenli bir hareket gerçekleştiren bir çerçeve tasarladı.
“(Biz) kinematik zekayı kontrol politikasına yerleştirdik, tasarım farklılıklarından bağımsız olarak kısıtlama farkındalığı ve öngörülebilir davranış sağladık” diye açıkladılar.
Ekip, bu çerçevenin “robotlara kinematik zeka kazandırdığını, yani kendi ortak sınırlarına, tekilliklerine ve bağlantılarına dair içsel bir anlayış kazandırdığını” belirtiyor.
“Öğrendikten sonra bu kısıtlamaları düzeltmek yerine, bunları en başından itibaren doğrudan kontrol politikasına yerleştirdik” diye açıkladılar. “
Testler, Tek Bir Gözlemden Sonra Gösterim Çerçevesinden Öğrenmeyi Doğruluyor
Ekip, yeni çerçevelerini doğrulamak için bunu farklı yetenek ve sınırlamalara sahip çeşitli endüstriyel robotlarda test etti. Çalışma yazarlarına göre bu, “çeşitli bağlantı geometrileri ve eklem konfigürasyonlarına sahip, hem yedekli hem de yedeksiz çeşitli simüle edilmiş ve gerçek robotları” içeriyordu.
Her test sırasında, bir insan ‘eğitimci’ istenen sonucu göstermek için belirli bir görevi yerine getirecektir. Örneğin, araştırmacılar bir kelimenin harflerinin izini sürecek veya nesneleri simüle edilmiş bir montaj hattındaymış gibi değiştireceklerdir.
Tek bir insan gösterisinin ardından, yerleşik kinetik zeka çerçevesine sahip robot platformları, tasarım sınırlamalarına bakılmaksızın aynı sonucu elde etmek için kendi araçlarını uyarlama konusundaki esrarengiz yeteneği gösterdi. Araştırmacılar bunun, izlenen karakterleri yeniden üretme ve “nesneleri başarılı bir şekilde itme, seçme ve yerleştirme ve fırlatma” yeteneğini göstermeyi de içerdiğini söyledi.
“Gösterilen Beceri Robotlarda Güvenli ve Tutarlı Bir Şekilde Uygulanıyor”
Başarılı testler tartışılırken araştırmacılar, kinetik zekayla donatılmış robotların bir veya daha fazla gösteriyi gözlemleyebileceğini, “küresel olarak kararlı bir dinamik sistem” çıkarabileceğini ve farklı fiziksel araçlara ve sınırlamalara sahip robotlar arasında geçerli kalan davranışlar üretebileceğini belirtti. Ayrıca, bir robotun diğer bir robotun beceriyi gerçekleştirirken izleyebileceğini ve kaza veya hasar olmadan aynı sonucu elde etmek için benzersiz konfigürasyonunu uyarlayabildiğini de belirttiler.
“Gösterilen beceri, yeniden ayarlamaya gerek kalmadan robotlar arasında güvenli ve tutarlı bir şekilde yürütülüyor, böylece robotlar arası beceri aktarımı sağlanıyor” diye açıkladılar.
Robotların diğer robotları izleyerek öğrenmesine olanak tanıyan LfD çerçevelerinin olası uygulamalarını tartışırken, tüm tasarımın “birçok ticari robotun yapı taşlarını oluşturan” üç devirli (3R) robotlar kategorisine dayandığını belirtiyorlar.
“Bu sınıflandırma, kullanıcının amacını koruyan ve robota özgü kısıtlamalara uyum sağlayan ortak bir alan politikasına olanak tanıyor” diye sonuçlandırıyorlar.
Çalışma “Bir kez gösterin, birçok kez uygulayın: Robotlar arası beceri aktarımı için kinematik zeka” Science Robotics’te yayınlandı.
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].
