Kendi Kendinden Öğrenen Robot Teknolojisi
Columbia Üniversitesi’nden araştırmacılar, kendiliğinden öğrenen ve hasara uyum sağlayabilen otonom bir robot kolu geliştirmeyi başardılar. Robot, kendi hareketlerini izleyerek yeni hareketler öğrenip adapte olabiliyor. Araştırmacılar tarafından “kinematik öz farkındalık” olarak adlandırılan bu benzersiz öğrenme süreci, insanların bazı hareketlerini bir aynada kendilerini izleyerek nasıl ayarladıklarını taklit etmeyi amaçlıyor.
Robotlara bu şekilde öğrenmeyi öğretmek, özel 3D simülasyonlarda ayrıntılı eğitim ihtiyacını azaltabilir. Ayrıca, gelecekteki otonom robotların sürekli insan müdahalesi olmadan hasara ve çevresel değişikliklere uyum sağlamasına yardımcı olabilir. Bulgular bu hafta Nature Machine Intelligence dergisinde yayımlandı.
Bebeklerden ve dansçılardan ilham alındı
İnsanlar, yansımalarını tanıyabilen ve ondan öğrenen nadir hayvan türlerinden biridir. Küçük çocuklar aynalarda veya göletlerde tuhaf yeni bedenlerini fark eder, gördüklerinden notlar alır ve kendilerini 3D uzayda bir “zihinsel model” oluşturur. Bu gözlem, hareket gelişimine, koordinasyona ve erken dil becerilerine yardımcı olabilir. Bu süreç, araştırmacıların “kendi simülasyonu” olarak adlandırdığı şey sadece çocuklara da uygulanmıyor. Dansçılar da düzenli olarak kendi yansımalarını analiz ederek yerleşimlerini düzeltir ve anında görsel geri bildirim alırlar.
Bu çalışmada, araştırmacılar benzer bir kendi simülasyon sürecini otonom bir robota uygulayıp uygulayamayacaklarını görmek istediler. Normalde, robot uzmanları genellikle makinelerin gücünü sağlayan yapay zeka modellerini ayrıntılı ve düzenlenmiş sanal simülasyonlarda eğitirler. Ancak bu süreç birkaç yönden kısıtlayıcıdır. İlk olarak, gelişmiş simülasyonlar mükemmelleştirmek için uzun zaman alabilir ve genellikle geniş mühendislik uzmanlığı gerektirir. Ayrıca adaptasyon açısından biraz sınırlıdır. Eğer robotun fiziksel dünyada eğitildiği parametrelerin dışında beklenmedik bir şey olursa, sanal eğitim simülasyonunda eğitildiği gibi doğru şekilde yanıt vermede zorluk çekebilir.
Çalışmanın baş yazarı olan Columbia Üniversitesi doktora öğrencisi Yuhang Hu, “Amacımız, kendi bedenini anlayan, hasara uyum sağlayan ve sürekli insan programlaması olmadan yeni beceriler öğrenen bir robot” dedi.
Bu amaçla, araştırmacılar üç ayrı derin sinir ağından oluşan yeni bir “kendi denetimli öğrenme çerçevesi” geliştirdiler. Bir koordinat kodlayıcı önce robotun tek bir kamera tarafından yakalanan ham bir videosunu işler, araştırmacıların bir insanın kendini aynada görmesi gibi tanımladığı bir süreç. Bir kinematik kodlayıcı daha sonra bu görüntüyü, robotun eklemlerini ve diğer hareket alanlarını vurgulayan verileri içeren bir ikili görüntüye dönüştürür. Son olarak, tahmin modeli, fiziksel robot kolu gerçek dünyada nasıl hareket ettireceğine ilişkin talimatları tamamlar. Sonuç olarak, bir robot, hareketlerini sürekli olarak bir kameradan gelen video verilerine dayanarak ayarlayabilir ve sanal eğitim simülasyonuna dayanmaktan kaçınabilir.
Robot kol hasara uyum sağlayabildi
Araştırmacılar, yeni öğrenme çerçevesini birkaç temel görevde test ederek robot kolu üzerinden geçirdiler. İlk olarak, kolun, bir engelden (bu durumda bir karton gibi bir bölme) başarıyla sıçramasını izleyen bir video karesi izleyerek engelden kaçınabildiğini gösterdiler. Daha ilginç bir şekilde, aynı modelin robotun hasara uyum sağlamasına nasıl yardımcı olabileceğini de gösterdiler. Araştırmacılar, robotun, aşırı ağır bir yükün uzvunu bükmesi durumunda nasıl tepki vereceğini test etmek istediler. Bunu test etmek için, hasarlı bir uzvun 3D yazıcısını çıkarıp robotun üzerine yerleştirdiler. Robot, kendisini yeni kol ile gösteren bir video izledikten sonra model, tahminlerini geliştirdi ve hasar simülasyonu için robotun hareketlerini ayarlamak üzere düzeltmeler yaptı.
Araştırmacılar, “Sonuçlarımız, bu kendi öğrendiği simülasyonun sadece doğru hareket planlamasını mümkün kılmakla kalmayıp aynı zamanda robotun anormallikleri tespit etmesine ve hasardan kurtulmasına olanak sağladığını gösteriyor” şeklinde yazdı.
Kendi simülasyonu, gelecekteki otonom robotların daha az insan müdahalesiyle çalışmasına yardımcı olabilir
Makalede gösterilen kendi simülasyon yöntemi, gelecekte çeşitli görevler için kullanılabilecek birçok otonom robotun iyileştirilmesine yardımcı olabilir, üretim işlerinden çevresel ve endüstriyel izlemeye kadar. Bu robotların kamera verilerinden öğrenmeleri ve hatta hasara uyum sağlamaları, iş duruş süresini azaltabilir ve insan onarım çalışanlarının potansiyel olarak tehlikeli koşullara gereksiz yere maruz kalmasını önleyebilir. Kendi kendini tamir etme yetenekleri, hasarın makineler üzerinde hemen etkisi olabileceği robot destekli yaşlı ve çocuk bakımı gibi alanlarda daha da önemli hale gelebilir.
Bu yaklaşımın daha basit avantajları da var. Araştırmacılar, bir kendi kendini tamir eden vakum robotunun, örneğin bir duvara çarptıktan ve bir uzvunu hafifçe yerinden oynattıktan sonra hareketini ayarlamak için bu teknikleri teorik olarak kullanabileceğini belirtiyor. Başka bir deyişle, dağınık dairelerde hızla ilerleyen talihsiz Roombaların bir gün daha fazla şansa sahip olabileceği bir gün gelebilir.
Hod Lipson, Columbia Profesörü ve makaledeki bir diğer yazar, “Biz insanlar bu robotları sürekli olarak bebek gibi göz önünde bulunduramayız, kırık parçaları onarmayız ve performansı ayarlamayız” dedi. “Robotlar kendilerine bakmayı öğrenmelidir.”
