Massachusetts Teknoloji Enstitüsü (MIT) tarafından geliştirilen yeni nesil robotlar, iki parmaklı eller ile oyun hamurunu hissedip şekillendirmeyi başardı. Bu başarım sayesinde robotların hamur benzeri nesneleri işlemek konusunda insanlara yardımcı olabilecek ev asistanlarına dönüşebileceği düşünülüyor.
Oyun hamurları, iki yaşındaki çocuklar için bile oynaması kolay bir madde olsa da şekilsiz olmasından dolayı robotlar için kontrol etmesi zor bir maddeye dönüşüyor. MIT laboratuvarlarında test edilen bu robotlar, oyun hamurlarını şekillendirme konusunda insanlarla yarışabiliyor ve sadece 10 dakikalık bir veri analizinin ardından gayet iyi bir performans sergileyebiliyor.
MIT’nin Bilgisayar Bilimi ve Yapay Zeka Laboratuvarı’ndan (CSAIL) doktora öğrencisi Yunzhu Li, “Şekilsiz nesneleri modellemek ve kontrol etmek, robotların köfte yapma, suşi yuvarlama gibi karmaşık endüstriyel ve ev içi etkileşim görevlerinin nasıl yerine getirileceğini öğrenmesi için temel yeteneklerdir. Giysi ve ipleri kontrol etme konusunda son zamanlarda ilerlemeler kaydedilse de, hamur gibi yüksek plastisiteye sahip nesnelerin kontrolünde, bu nesnelerin evde ve endüstriyel ortamlarda her yerde bulunmasına rağmen, pek de ilerleme olmadığını gördük. RoboCraft ile dinamik modelleri doğrudan yüksek boyutlu duyusal verilerden öğreniyoruz ve bu da bize verimli planlama yapabilmemiz için gelecek vaat eden veri odaklı bir yol sunuyor.” dedi.
Tanımsız, pürüzsüz bir malzeme ile, herhangi bir türde verimli ve etkili modelleme ve planlama yapmadan önce tüm yapının hesaba katılması gerekir. Algoritmalarla birleştirilmiş görüntüleri küçük parçacık grafiklerine dönüştüren RoboCraft, dinamik model olarak bir grafik sinir ağını kullanarak, malzemenin şekil değişimi hakkında daha doğru tahminler yapabilir.
Tipik olarak araştırmacılar, nesnelere uygulanan kuvvet ve dinamikleri modellemek ve anlamak için karmaşık fizik simülatörleri kullansalar da RoboCraft sadece görsel verilerden faydalanıyor. Li, projeyi “RoboCraft, esasen hareketi planlamak için, bu tahmine dayalı modelin veri açısından verimli yollarla öğrenilebileceğini gösteriyor. Uzun vadede, malzemeleri kontrol etmek için çeşitli araçlar kullanmayı düşünüyoruz. Börek veya hamur yapmayı düşünüyorsanız, tek bir tutucu bu konuda size yardımcı olamaz. Modelin; mevcut araç, hareketler ve eylemler göz önüne alındığında hamurun nasıl deforme olacağı gibi daha uzun planlama görevlerini anlamasına ve gerçekleştirmesine yardımcı olmak, gelecekteki çalışmalar için bir sonraki adımdır.” şeklinde özetliyor.
