"Teknolojik gelişimin büyük bir parçası olarak, robotlar endüstriyel alanlarda önemli bir rol oynamaktadır. Bu alanlarda, üretkenlik ve kaliteyi artırma, paketleme ve nakliye süreçlerini daha hızlı ve daha hassas bir şekilde gerçekleştirme, doktorlara ve cerrahlara hassas ameliyatlarda yardımcı olma ve özel bakım gerektiren hastalara sağlık hizmetleri sunma gibi görevler üstleniyorlar. Ayrıca, sınırlı çevresel görevlerde de, atıkları toplama ve sokakları temizleme gibi işlerde kullanılmaktadırlar.
Ancak, ChatGPT gibi yapay zeka modelleri üzerinde çalışan araştırmacıların, sistemleri eğitmek için internetten gelen devasa metin, görüntü ve video verileriyle başa çıkarken, robot mühendisleri fiziksel makineleri eğitirken farklı zorluklarla karşı karşıya kalmaktadır. Robot verileri genellikle maliyetli olup, dünya genelinde dolaşan robot filolarının olmaması nedeniyle, insanların evleri gibi dinamik ortamlarda iyi performans göstermeleri için yeterli ve kolay erişilebilir veri yoktur. Bazı araştırmacılar robotları eğitmek için simülasyona yönelmiş olsa da, bu süreç genellikle bir grafik tasarımcı veya mühendis gerektirmekte ve yüksek çaba ve maliyet gerektirmektedir."
"Bu bağlamda, Washington Üniversitesi'nden bir araştırmacı ekibi, robotların gerçek ortamlarda çalışabilmesi için video veya görsel verileri kullanarak simülasyonlar oluşturan yapay zeka sistemleri hakkında iki yeni çalışma sundu. Bu sistemler, karmaşık ortamlarda robotların eğitilme maliyetlerini önemli ölçüde azaltma potansiyeline sahip. İlk çalışma 16 Temmuz'da, ikinci çalışma ise aynı ayın 19'unda Hollanda'nın Delft şehrinde düzenlenen 'Robot Bilimleri ve Sistemleri' konferansında sunuldu."
Rail-to sistemi
"İlk çalışma, 'RialTo' adı verilen yapay zeka sistemini ortaya koydu. Bu sistem, MIT'deki bir ekip ile birlikte iki çalışmanın ortak yazarı olan, Washington Üniversitesi Bilgisayar Bilimi ve Mühendisliği Okulu'nda yardımcı doçent olan Abhishek Gupta tarafından geliştirilmiştir.
RialTo sistemi, kullanıcının akıllı telefonunu kullanarak bu ortamın ve hareketli parçalarının videosunu kaydetmesine yardımcı olur. Örneğin, kullanıcı mutfakta dolapların ve buzdolabının nasıl açıldığını kaydeder. Ardından sistem, mevcut yapay zeka modellerini kullanarak, kullanıcıdan bir grafik kullanıcı arayüzü aracılığıyla nesnelerin nasıl hareket ettiğini hızlı bir şekilde göstermesini ister."
"Videoda gösterilen mutfağın simülasyonunu oluşturmak için, sanal bir robot, belirli görevleri yerine getirmek için deneme yanılma yöntemiyle sanal ortamda eğitilmektedir. Örneğin, dolabı veya tost makinesini açma gibi görevleri tekrar tekrar denemektedir.
Bu yöntem, 'güçlendirilmiş öğrenme' (reinforcement learning) olarak bilinir. Robot, bu eğitim süreci sayesinde bu görevdeki performansını geliştirir ve bulunduğu ortamda meydana gelen değişikliklere, örneğin tost makinesinin yanında bir fincanın olması gibi durumlara uyum sağlar. Böylece robot, bu bilgiyi fiziksel ortama aktararak, gerçek mutfakta eğitimli bir robot kadar hassas çalışabilir.
Gupta, 'Sistemleri simülasyon aracılığıyla gerçek dünya için eğitmeye çalışıyoruz' diyor. Bu sistemler, simülasyon sahnelerinde robotları eğitebilir, böylece robot, fiziksel alanda daha etkili bir şekilde çalışabilir. Bu durum, güvenlik açısından da önemlidir; çünkü Gupta, kötü eğitilmiş robotların eşyaları kırabileceğini ve insanlara zarar verebileceğini vurguluyor.
RialTo ekibi, sistemi laboratuvar ortamında kapsamlı bir şekilde test ettikten sonra insanların evlerinde kullanıma sunma hedefiyle ilerlemeye devam ediyor. Gupta, sistemin başarı oranlarını artırmak için gerçek dünya verilerinden küçük miktarlarda eğitim verisi entegre etmek istediklerini belirtiyor."
