İnsan ellerinin doğadaki eşsiz karmaşıklığı, bugüne kadar robotik teknolojisinin en büyük zorluklarından biri olmuştur. Mevcut çok parmaklı robot elleri; dokunma duyusundan yoksun olmaları, eşzamanlı parmak hareketi kısıtlılıkları ve kamera görüşü kapandığında nesne takibini kaybetmeleri nedeniyle hassas montaj ve paketleme görevlerinde yetersiz kalıyordu. Ancak Science Robotics dergisinde yayımlanan yeni bir araştırma, yapay zeka destekli ‘görsel-dokunsal’ entegrasyon ile bu engellerin aşıldığını ortaya koydu.
YAPAY ZEKA İLE İKİ AŞAMALI ‘USTALIK’ EĞİTİMİ
Araştırma ekibi, çok parmaklı bir robot elinin endüstriyel görevleri yerine getirme biçimini iyileştirmek için pahalı donanımlar yerine standart bir web kamerası ve düşük maliyetli sensörler kullandı. Eğitim süreci iki yenilikçi aşamadan oluştu:
Görsel ve dokunsal Ön Eğitim: Robotun yapay zeka beyni, insanların çıplak el ve eldivenlerle gerçekleştirdiği görevlerin videolarını izleyerek; bir elin nesneye yaklaşırken nasıl göründüğünü ve yüzeye temas anındaki dokunsal verileri eşleştirmeyi öğrendi.
Sanal Simülasyon Pratiği: İkinci aşamada robot, sanal bir ortamda görevleri tekrarladı. Becerileri tek tek öğrenmek yerine, farklı yetenekleri aynı anda koordine etme pratiği yaptı.
KAMERA KÖR NOKTALARI ORTADAN KALKTI
Geliştirilen yapay zeka mimarisinin endüstri için en büyük ticari avantajı, insan beynindeki ‘görme ve dokunma sentezi’ni taklit eden bir birim barındırması. Geleneksel sistemlerde robotun kendi parmakları kameranın görüş açısını kapattığında işlem dururken; yeni nesil yapay zeka sayesinde robot, sensörlerden gelen dokunma sinyalleriyle nesneyi takip etmeye devam edebiliyor.
ZORLU TESTLERDE YÜZDE 85 BAŞARI
Laboratuvar ortamında sekiz farklı görevde test edilen robot; şişe kapağı çevirme ve sürgü kaydırma gibi pratik yaptığı rutin görevlerde yüzde 85 başarı elde etti. Daha da önemlisi, daha önce hiç karşılaşmadığı vida sökme ve kalem açma gibi ‘yeni’ görevlerin de üstesinden gelmeyi başardı. Sistem, aydınlatma değişiklikleri ve sensör değişimleri ile manipüle edilmeye çalışıldığında dahi istikrarlı çalışmasını sürdürdü.
Araştırma ekibi, makalelerinde sistemin potansiyelini şu sözlerle özetledi: "İnsan gösterimlerinden elde edilen görsel-dokunsal ön eğitim; öğrenme verimliliğini artırdı, simülasyondan gerçeğe geçişteki kayıpları azalttı ve robotların değişen koşullara adaptasyon yeteneğini benzeri görülmemiş bir seviyeye taşıdı."
Gelecekteki araştırmalar, robotların kavrama gücünü (sıkma kuvvetini) algılama yeteneğini geliştirerek kırılgan nesnelerin işlenmesinde de kusursuz bir otomasyon sağlamayı hedefliyor.
