elektrik port üyelik servisleri elektrik port üyelik servisleri

Öğrenmeyi öğrenen robotlar

Bebekler ilk birkaç aylarını kendi yollarını bulmak ve nesneleri kullanmayı öğrenmekle geçiriyorlar ve bu konuda oldukça esnekler. Örneğin bardakların farklı şekillerde ve boyutlarda olması onları yanıltmıyor, bütün bardakların bir tutacağının olması onları bir bardak olarak tanımlayabilmeleri için yeterli. Dolayısıyla nesneyi bir bardağı kaldırmaları gerektiği şekilde kaldırıyorlar.



A- A+
28.09.2011 tarihli yazı 1694 kez okunmuştur.



Benzer olarak gelecekteki robotlarınızda bu genelleme yeteneğine ihtiyaç duyacak; mesela farklı şekil ve renklerdeki tabaklarınızı tabak olarak algılayıp onları bulaşık makinasına yerleştirmek gibi. Bilgisayar bilimleri öğretim üyesi Ashutosh Saxena'nın liderliğini yaptığı bir grup araştırmacı Cornell'ın kişisel robotik laboratuvarında, robotlara nesneleri kullanmayı ve etraflarını tanımayı öğretiyor. Güney California Üniversitesi 2011 Robotik Bilimi ve Sistemleri konferansına katılan grup yine aynı konferansta çalışmalarından iki örneği açıkladı.



Grubun araştırma boyunca süren çalışması 'makinalar öğretmek' üzerineydi (bilgisayarı olayları gözlemlemek ve ortak yönleri bulmak üzere programlamak). İyi bir programlamayla gelecekteki robotlar bir dizi bardağa bakıp ortak yönlerini bilebilir ve onları bir bardak olarak tanımlayabilir. Benzer bir süreçle robotlar bardağın tutacağını algılayabilir ve bardağı uygun biçimde tutabilirler.



Diğer araştırmacılar da bu seviyeye kadar gelmişlerdi ancak Saxena 'nın takımı nesneleri algılamanın onları tutup kaldırmaktan daha zor olduğunu buldu, çünkü çok fazla seçenek vardı.



img width="450" height="297" alt="" src="/admin/uploads/haber-ici-resimler/Resim3(12).jpg" />









Bir bardak bir maasanın üzerine ya da bir bulaşık makinasının içine yerleştirilmiş olabilirdi robot bu kararları verebilmeli diye açıklıyor Saxena. Robotlar durgunluk ve diğer kriterleri öğreniyor ve yeni bir nesne, bir şişe gördüğünde, gördüklerini bu nesnelere uygulayabiliyor. Robotlar önceki testlerde bir tabağı, bir bardağı, bir martini bardağını, şişeyi ve şeker kabını, düz bir yüzeye, askıya bir kalemliğe ve bir kaç seleye yerleştirmeyi başardılar. Robot bunu başarırken çevresini 3 boyutlu bir kamerayla gözlemleyip yerleştirme işlemi için uygun olan küçük hacimleri tespit eder.



Bazı nesneler için kafeslemeyi de test etmesi gerekir. Nesnede dikey yüzeylerin olması robot için nesnenin yukarı doğru duracak olması anlamına gelecek. Ayrıca robot, nesneler için yerleştirilecek yerlere öncelikte verebilir( Bir tabak masanın üzerinde düz durur ancak bulaşık makinasında ise dikey olarak durur gibi).



Eğitimden sonra robotlar, önceden gördükleri nesneleri ve çevreleri %98 oranında, ilk defa gördükleri çevreleri ve nesneleri ise %95 oranın da doğru olarak yerleştirdiler. Araştırmacılar daha uzun süreli eğitimle performansın arttırılabileceğini önerdiler. Ancak öncelikle robot tabak rafını bulmalıydı.








Saxena ve bilgisayar bilimleri profesörü Thorsten Joachims ile birlikte nesneleri tıpkı bizim bir ortama girdiğimizde farkında olmadan içerideki nesneleri zihnimizde sıraladağımız gibi robotunda ortamdaki nesneleri scan etmesini ve tanımasını sağlayan bir sistem geliştirdi. Bu sistemde robotun 3D kamerasından elde edilen resimler odanın 3 boyutlu resmini elde edebilmek için birleştiriliyor ve daha sonra resimlerdeki süreksizliğe ve nesneler arasındaki uzaklığa bağlı olarak parçalara ayrılıyor. Buradaki amaç ise parçaları işaretlemek.



Ararştırmacılar bir robotu 24 ofis ortam resmi ve 28 ev ortamı resmi vererek egittiler. Böyle bir ortamda robotlar nesneleri renk, kaplama ve yakınında bulundukları nesnelerin özelliklerine bağlı olaraka test eder ve aynı etiketli nesnelerin hangi ortak özelliklere sahip olduğuna karar verir.Yeni bir çevrede ise hafızasındaki ortam parçalarının hepsini hafızasındaki nesnelerle karşılaştırır ve nesneye en uyumlu olanı seçer.



Saxena bu çalışmadaki yeniliğin mantıksal ilişkilerin 3 boyutlu olarak öğrenilmesi olduğunu söylüyor. Örneğin bir klavyeyi tanımlamak için öncelikle monitörü tanımlamak daha kolaydır çünkü klavye monitörün altında bulunan bir nesnedir gibi bir tanımlama yapılabilir.





Testlerde robotlar nesneleri ev sahnelerinde %83 ofis sahnelerinde %88 olarak doğru tanımladılar. Son testte ise robot ilk defa gördüğü bir odada bir klavyeyi doğru olarak yerleştirebildi.



Saxena mantıksallığın robota bir avantaj sağladığını belirtiyor.



Klavye robotun zihninde birkaç piksellik yer kaplar ancak monitor kolayca fark edilebilir, bu sayede robot klavte için uygun yeri bulabiliyor. Araştırmacılar robotların,insanlar gibi öğrenebilmek için hala çok yolu olduklarında hemfikir. Saxena "Gerçekten 6 aylık bir bebek gibi davranabilen bir robot yapmak beni çok mutlu edecektir" diyor.



Alican YEKSAN




ANKET
Endüstri 4.0 için En Hazır Sektör Hangisidir

Sonuçlar