Massachusetts Teknoloji Enstitüsü (MIT) araştırmacıları, robotların bir görevi yerine getirirken aynı anda bir sonraki hareketlerini planlamasını sağlayan yeni bir yapay zekâ yöntemi geliştirdi. VLASH adı verilen sistem, robotun gelecekte bulunacağı konumu tahmin ederek hareketler arasındaki bekleme süresini azaltıyor; böylece robotların daha akıcı, hızlı ve çevik çalışmasına olanak tanıyor.
Günümüzde gelişmiş robotların önemli bir bölümü, kamera görüntülerini ve verilen talimatları analiz eden “görsel-dil-eylem” modelleriyle yönetiliyor. Bu modeller, robotun çevresini değerlendirdikten sonra gerçekleştireceği birkaç hareketi bir eylem dizisi hâlinde oluşturuyor. Ancak modelin her yeni hareket dizisi öncesinde yeniden hesaplama yapması gerektiğinden robotlar zaman zaman duraklıyor; bu da hareketlerin yavaş ve kesintili görünmesine yol açıyor.
Robot mevcut konumuna değil, gelecekteki durumuna bakıyor
MIT ekibinin geliştirdiği VLASH sistemi, robotun bir sonraki hareketini mevcut konumuna göre planlamak yerine, o sırada gerçekleştirdiği eylem tamamlandığında nerede bulunacağını tahmin ediyor. Böylece robot mevcut görevini yerine getirirken sıradaki hareket dizisini de hazırlayabiliyor.
Araştırmacılara göre geleneksel sistemlerin mevcut kamera görüntülerine dayanması önemli bir sorun oluşturuyor. Robot hareket ettiğinde hem kendi konumu hem de çevresindeki koşullar değişebiliyor. Bu nedenle yalnızca mevcut görüntüler üzerinden yapılan planlama, robotun yeni durumuyla uyumsuz hâle gelerek kararsız ve dengesiz hareketlere neden olabiliyor.
VLASH ise robotun yapmak üzere olduğu hareketleri ve mevcut konumunu kullanarak eylem tamamlandığında ortaya çıkacak yeni durumu tahmin ediyor. Ardından sıradaki hareketleri bu gelecekteki konuma göre planlıyor. Araştırma ekibi bu yaklaşımı, robota “gelecekteki durumunun farkındalığını kazandırmak” olarak tanımlıyor.
Hareketler arasındaki gecikme büyük ölçüde azaldı
Yeni yöntem, robotların hareket dizileri arasında yaşadığı bekleme süresini ortadan kaldırarak tepki hızını 30 kattan fazla artırdı. Araştırmacılar sistemi daha da hızlandırmak amacıyla “eylem niceleme” adı verilen ikinci bir teknikten de yararlandı.
Bu yöntemde robot, aynı hareket rotasını izleyen çok sayıda küçük adım yerine daha az sayıda ve daha geniş hareketler gerçekleştiriyor. Hassasiyette sınırlı bir düşüş yaşansa da robotların görevleri genel olarak iki ila üç kat daha hızlı tamamladığı belirlendi.
Araştırmacılar ayrıca eğitim verilerini yeniden düzenleyen bir ince ayar yöntemi geliştirdi. Bu sayede yapay zekâ modeli, mevcut gözlemler yerine gelecekteki robot durumlarını kullanmayı öğrendi. Mevcut eğitim verilerinin yeniden değerlendirilmesine dayanan yöntem, herhangi bir ek hesaplama yükü oluşturmadan eğitim sürecini beş kat hızlandırdı.
Küpleri iki kat hızlı ayırdı
VLASH, hem simülasyon ortamlarında hem de gerçek robot sistemlerinde test edildi. Sistem; nesneleri alma ve başka bir noktaya yerleştirme, üst üste dizme ve sınıflandırma gibi görevlerde geleneksel yöntemlerden daha hızlı çalışırken hareket doğruluğunu da büyük ölçüde korudu.
Yapılan deneylerden birinde robot, farklı renkteki küpleri ayırarak bir kutuya yerleştirdi. VLASH kullanan robot, en başarılı karşılaştırma yönteminin yüzde 90’lık doğruluk oranına ulaşırken görevi iki kat daha hızlı tamamladı.
Yeni sistem yalnızca yavaş ve kontrollü görevlerde değil, hızlı tepki gerektiren uygulamalarda da denendi. Robot kolları VLASH sayesinde masa tenisi oynama ve “köstebek vurma” oyununa benzeyen hareketli hedeflere müdahale etme gibi dinamik görevleri yerine getirebildi.
Arama-kurtarma robotlarında kullanılabilir
Araştırmacılar, sistemin özellikle hızlı karar vermesi ve çevresindeki değişimlere anında uyum sağlaması gereken robotlar için yararlı olabileceğini belirtiyor. VLASH’ın gelecekte acil durum müdahaleleri, arama-kurtarma operasyonları ve zorlu gerçek dünya koşullarında çalışan robotlarda kullanılabileceği değerlendiriliyor.
Robotların yaptıkları hatalardan daha hızlı toparlanabilmesi de sistemin potansiyel kullanım alanları arasında gösteriliyor. Bir robot nesneyi düşürdüğünde veya planlanan hareketi tamamlayamadığında, gelecekteki durumunu yeniden tahmin ederek daha hızlı biçimde yeni bir hareket planı oluşturabilecek.
MIT Elektrik Mühendisliği ve Bilgisayar Bilimleri Bölümü öğretim üyesi ve çalışmanın başyazarı Song Han, araştırmanın hızlı, verimli ve daha düşük maliyetli robot uygulamaları için önemli bir temel oluşturduğunu belirtti. Han, ekibin yöntemi daha gelişmiş fiziksel yapay zekâ sistemleriyle birleştirmeyi amaçladığını ifade etti.
Sıradaki hedef “dünya modelleri”
Araştırma ekibi gelecek aşamada VLASH’ı, robotun yalnızca kendi konumunu değil, çevresinin gelecekte nasıl görüneceğini de tahmin edebilen “dünya modelleri” ile birleştirmeyi planlıyor. Bu tür üretken yapay zekâ sistemlerinin robotların çevredeki nesnelerin hareketlerini ve olası değişiklikleri önceden hesaplamasına yardımcı olabileceği düşünülüyor.
MIT, Tsinghua Üniversitesi, Nvidia, Kaliforniya Üniversitesi Berkeley, Kaliforniya Üniversitesi San Diego ve Caltech’ten araştırmacıların katkı sunduğu çalışma, Akıllı Robotlar ve Sistemler Konferansı’nda sunulacak. Araştırma; MIT-IBM Watson Yapay Zekâ Laboratuvarı, Amazon, ABD Ulusal Bilim Vakfı ve Nvidia tarafından desteklendi.
Kaynak: MIT News
