Bir Robot Kendini Hayal Etmeyi Öğrenir

Özet: Yeni bir robotik sistem, kendisinin kinematik bir modelini oluşturabilir ve bu modeli hareketi planlamak, hedeflere ulaşmak ve çeşitli durumlarda engellerden kaçınmak için kullanabilir.

Kaynak: Kolombiya Üniversitesi

Her atletik veya moda bilincine sahip kişinin bildiği gibi, beden imajımız her zaman doğru veya gerçekçi değildir, ancak dünyada nasıl işlev gördüğümüzü belirleyen önemli bir bilgi parçasıdır. Giyindiğinizde veya top oynadığınızda, beyniniz sürekli olarak ileriyi planlar, böylece vücudunuzu çarpmadan, takılmadan veya düşmeden hareket ettirebilirsiniz.

Biz insanlar vücut modelimizi bebekken ediniriz ve robotlar da aynı şeyi takip eder. A Columbia Mühendislik Ekip bugün, ilk kez herhangi bir insan yardımı olmadan tüm vücudunun bir modelini sıfırdan öğrenebilen bir robot yarattıklarını duyurdu.

İçinde tarafından yayınlanan yeni çalışma Bilim Robotik,, araştırmacılar robotlarının kendisinin kinematik bir modelini nasıl yarattığını ve ardından kendi modelini hareketi planlamak, hedeflere ulaşmak ve çeşitli durumlarda engellerden kaçınmak için nasıl kullandığını gösteriyor. Hatta otomatik olarak tanıdı ve vücuduna verdiği zararı telafi etti.

Robot kendini aynalarla dolu bir salonda keşfeden bir bebek gibi izliyor

Araştırmacılar, akış halindeki beş video kameradan oluşan bir dairenin içine robotik bir kol yerleştirdi. Robot, serbestçe dalgalanırken kameralardan kendisini izledi. Bir aynalı salonda kendini ilk kez keşfeden bir bebek gibi, robot çeşitli motor komutlarına tepki olarak vücudunun tam olarak nasıl hareket ettiğini öğrenmek için kıpırdandı ve büküldü.

Yaklaşık üç saat sonra robot durdu. Dahili derin sinir ağı, robotun motor hareketleri ile çevresinde kapladığı hacim arasındaki ilişkiyi öğrenmeyi bitirmişti.

“Robotun kendisini nasıl hayal ettiğini gerçekten merak ettik” dedi. Hod Lipsonün profesörü makine Mühendisliği ve Columbia’nın direktörü Yaratıcı Makineler Laboratuvarıişin yapıldığı yer.

“Ama bir sinir ağına öylece bakamazsın, o bir kara kutu.” Araştırmacılar çeşitli görselleştirme teknikleriyle uğraştıktan sonra yavaş yavaş benlik imajı ortaya çıktı. Lipson, “Robotun üç boyutlu gövdesini saran bir tür hafifçe titreyen buluttu” dedi. “Robot hareket ederken, titreyen bulut onu nazikçe takip etti.” Robotun kendi kendine modeli, çalışma alanının yaklaşık %1’i kadar doğruydu.

Kendi kendini modelleyen robotlar, daha fazla kendine güvenen otonom sistemlere yol açacak

Robotların mühendislerden yardım almadan kendilerini modelleme yeteneği birçok nedenden dolayı önemlidir: Sadece işçilikten tasarruf etmekle kalmaz, aynı zamanda robotun kendi aşınma ve yıpranmasına ayak uydurmasına ve hatta hasarı tespit etmesine ve telafi etmesine olanak tanır. .

Yazarlar, özerk sistemlere daha fazla kendi kendine yetebilmemiz gerektiğinden, bu yeteneğin önemli olduğunu savunuyorlar. Örneğin bir fabrika robotu, bir şeyin doğru hareket etmediğini algılayabilir ve telafi edebilir veya yardım isteyebilir.

Çalışmanın ilk yazarı, “Biz insanların açıkça bir benlik kavramına sahibiz” dedi. Boyuan Chençalışmayı yöneten ve şu anda Duke Üniversitesi’nde yardımcı doçent olan.

“Gözlerinizi kapatın ve kollarınızı öne doğru uzatmak veya bir adım geriye atmak gibi bir harekette bulunursanız kendi vücudunuzun nasıl hareket edeceğini hayal etmeye çalışın. Beynimizin içinde bir yerde benlik kavramına sahibiz, yakın çevremizin hangi hacmini işgal ettiğimizi ve hareket ettikçe bu hacmin nasıl değiştiğini bize bildiren bir benlik modeli.

Robotlarda öz farkındalık

Çalışma, Lipson’un robotlara bir tür öz farkındalık kazandırmanın yollarını bulma arayışının bir parçası.

“Kendini modellemek, öz farkındalığın ilkel bir şeklidir” diye açıkladı. “Bir robot, hayvan veya insan, doğru bir öz-modele sahipse, dünyada daha iyi işleyebilir, daha iyi kararlar verebilir ve evrimsel bir avantajı vardır.”

Araştırmacılar, kişisel farkındalık yoluyla makinelere daha fazla özerklik verilmesini çevreleyen sınırların, risklerin ve tartışmaların farkındalar. Lipson, bu çalışmada gösterilen öz-farkındalığın, kendisinin de belirttiği gibi, “insanlarınkiyle karşılaştırıldığında önemsiz olduğunu, ancak bir yerden başlamanız gerektiğini kabul etmekte hızlıdır. Riskleri en aza indirirken avantajlardan yararlanmak için yavaş ve dikkatli bir şekilde gitmeliyiz.”

Bu robotik araştırma haberleri hakkında

Yazar: Holly Evarts
Kaynak: Kolombiya Üniversitesi
İletişim: Holly Evarts – Columbia Üniversitesi
Resim: Görüntü Jane Nisselson ve Yinuo Qin/Columbia Engineering’e aittir.

Orjinal araştırma: Açık Erişim.
Hod Lipson ve ark., “Robot Morfolojilerinin Tam Vücut Görsel Kendi Kendini Modellemesi”. Bilim Robotik

---

Soyut

Robot Morfolojilerinin Tam Vücut Görsel Kendi Kendini Modellemesi

Fiziksel bedenlerin dahili hesaplamalı modelleri, robotların ve hayvanların eylemlerini planlama ve kontrol etme yeteneği için esastır. Bu “kendi kendine modeller”, robotların, fiziksel gerçeklikte denemeden birden fazla olası gelecekteki eylemin sonuçlarını dikkate almalarını sağlar.

Tamamen veriye dayalı kendi kendine modellemedeki son ilerleme, makinelerin kendi ileri kinematiklerini doğrudan görevden bağımsız etkileşim verilerinden öğrenmesini sağladı. Bununla birlikte, ileri kinematik modeller, uç efektörlerin konumu veya eklemlerin ve kütlelerin hızı gibi morfolojinin yalnızca sınırlı yönlerini tahmin edebilir.

Önemli bir zorluk, morfolojinin hangi yönlerinin gelecekteki görevlerle ilgili olacağı konusunda önceden bilgi sahibi olmadan tüm morfoloji ve kinematiği modellemektir.

Burada, ileri kinematiği doğrudan modellemek yerine, daha kullanışlı bir kendi kendini modelleme biçiminin, robotun durumuna bağlı olarak alan doluluk sorgularını yanıtlayabilen bir form olduğunu öneriyoruz.

Bu tür sorgulamaya dayalı kendi kendine modeller, uzaysal alanda süreklidir, bellek açısından verimlidir, tamamen türevlenebilir ve kinematik farkındadır ve daha geniş bir görev yelpazesinde kullanılabilir. Fiziksel deneylerde, robotun çeşitli hareket planlama ve kontrol görevlerini yerine getirmesini sağlayarak, görsel bir öz-modelin çalışma alanının yaklaşık %1’inde nasıl doğru olduğunu gösteriyoruz.

Görsel kendi kendini modelleme, robotun gerçek dünyadaki hasarları algılamasına, yerelleştirmesine ve kurtarmasına olanak tanıyarak makine esnekliğinin artmasına neden olur.