Çinli Robbyant’tan robotların derinlik algısını geliştiren yeni yapay zeka modeli

Endüstriyel otomasyon ve somutlaştırılmış yapay zeka uygulamalarında robotların çevreyi doğru algılaması kritik önem taşıyor. Ancak cam, ayna ve diğer yansıtıcı yüzeyler, geleneksel derinlik kameralarında ciddi ölçüm hatalarına yol açabiliyor. Robbyant, bu soruna yönelik geliştirdiği LingBot-Depth 2.0 adlı yapay zeka modelini tanıttı.
Masked Depth Modeling tekniği üzerine kurulan model, robotların karmaşık iç mekanları daha doğru biçimde haritalandırmasını amaçlıyor. Şirket, yeni modelin özellikle şeffaf ve yansıtıcı yüzeylerde geleneksel derinlik algılama sistemlerine göre daha istikrarlı sonuçlar verdiğini açıkladı.

150 MİLYON VERİYLE EĞİTİLDİ
LingBot-Depth 2.0, 150 milyon örnek veri üzerinde eğitildi. Model, katıldığı 16 farklı derinlik tamamlama karşılaştırma testinin 12’sinde en iyi sonucu elde etti.
Robbyant’ın paylaştığı verilere göre model, ciddi derinlik kaybının görüldüğü zorlu iç mekan senaryolarında hata oranını yarıdan fazla azalttı. Kök Ortalama Kare Hata değeri 0,132’den 0,062’ye geriledi.

CAM VE AYNA YÜZEYLERİNİ ALGILAYABİLİYOR
Yeni model, geleneksel derinlik kameralarının algılamakta zorlandığı cam yüzeyler, aynalar ve şeffaf nesnelerde daha kararlı ölçümler yapabiliyor. Bu özellik, robotların çevresindeki engelleri ve nesneleri daha doğru biçimde tanımasına yardımcı oluyor.
Derinlik verilerindeki iyileşmenin, akıllı fabrikalar, otonom lojistik sistemleri ve hizmet robotları gibi uygulamalarda hareket güvenliğini artırması hedefleniyor.

LINGBOT-VISION TEMEL MODELİ KULLANILDI
LingBot-Depth 2.0’ın altyapısında Robbyant tarafından geliştirilen LingBot-Vision adlı görsel temel model bulunuyor. Bu model, nesne sınırlarını ve çevresel yapıları daha ayrıntılı biçimde algılamak üzere tasarlandı.
Şirket, LingBot-Vision’ın ön eğitim sürecinde “sınır yapısı” yönteminden yararlandığını belirtiyor. Model, piksel altı seviyede sınır konumlandırması yaparak nesnelerin biçimini ve çevresel ilişkilerini daha doğru yorumlayabiliyor.
160 MİLYON GÖRÜNTÜYLE GELİŞTİRİLDİ
LingBot-Vision, 160 milyon görüntüden oluşan veri setiyle eğitildi. Modelin, daha büyük veri setleri kullanan rakip sistemlere kıyasla daha düşük veri hacmiyle yüksek performans sağladığı bildirildi.
Sistem, video görüntülerinde nesne kenarlarını kareler boyunca takip edebiliyor. Bu özellik, hareketli ortamlarda nesnelerin konumunun ve sınırlarının korunmasına yardımcı oluyor.

ORBBEC İLE STRATEJİK ORTAKLIK
Robbyant, LingBot-Depth 2.0’ın ticari donanımlarda kullanılabilmesi için 3D kamera üreticisi Orbbec ile stratejik iş birliği kurdu. Model, Orbbec’in Derinlik Görme Laboratuvarı tarafından ticari kullanım açısından sertifikalandırıldı.
Orbbec’in Gemini 330 serisi stereo 3D kameralarıyla yapılan testlerde modelin kenar algılama, küçük nesne tanıma ve zorlu aydınlatma koşullarındaki performansının arttığı belirtildi.

RGB-D EGO PLATFORMUNA ENTEGRE EDİLECEK
LingBot-Depth’in özelleştirilmiş bir sürümü, Orbbec’in yüksek kaliteli eğitim verisi toplamak için geliştirdiği RGB-D EGO cihazında kullanılacak. Robot gerektirmeden veri toplayabilen bu platform, gerçek dünya ortamlarından derinlik ve görüntü verisi elde etmek üzere tasarlandı.
İki şirket, platformun ilerleyen sürümlerinde LingBot-Depth modelinin daha gelişmiş versiyonlarını da sisteme entegre etmeyi planlıyor.

ROBOTİK VERİ TOPLAMADA KULLANILACAK
Robbyant ve Orbbec arasındaki iş birliği, somutlaştırılmış yapay zeka sistemlerinin eğitilmesinde kullanılacak daha doğru ve istikrarlı veri setleri oluşturmayı hedefliyor.
Yeni modelin, robotik sistemlerin çevresel algısını geliştirmesi ve karmaşık fiziksel ortamlarda daha güvenli hareket etmesine katkı sağlaması amaçlanıyor.