Gerçek Dünyada Fiziksel Yapay Zeka

Fiziksel Yapay Zeka, robotların geleneksel otomasyona kıyasla çok daha az göreve özel mühendislikle fiziksel dünyayı algılamasını, uyum sağlamasını ve harekete geçmesini mümkün kılar.

Gösterimlerden öğrenen, deneyim yoluyla performansını geliştiren, görevleri yorumlamak için görüntü ve dil modellerini kullanan ve daha az yapılandırılmış ortamlarda çalışan robotlar. Bu son derece umut verici bir olasılıktır.

Robot geliştiricileri, Fiziksel Yapay Zeka araştırmacıları ve yapay zekayı temel alan robotik ekipleri için bu yetenekler, geleneksel olarak otomatikleştirilmesi fazla değişken, maliyetli veya karmaşık olan uygulamaları mümkün kılar.

Fiziksel Yapay Zeka sistemleri simülasyondan gerçek dünya uygulamalarına geçtikçe gereksinimler de değişir. Modeller ve simülasyonlar vazgeçilmez olmaya devam eder, ancak robotlar fiziksel dünyayla nihayetinde nesnelere doğrudan temas eden kollar, tutucular, sensörler ve araçlar üzerinden etkileşime girer.

Araştırmadan uygulamaya geçmek için Fiziksel Yapay Zeka, güvenilir bir fiziksel etkileşim katmanına ihtiyaç duyar.

OnRobot on yılı aşkın süredir tam olarak bunu geliştiriyor.

“Fiziksel Yapay Zeka” robotik terminolojisinin bir parçası olmadan önce OnRobot, günümüzde bu alandaki araştırmaları tanımlayan birçok pratik zorluğu ele alıyordu: uyarlanabilirlik, algılama, geri bildirim ve gerçek dünyadaki değişkenliğe yanıt verme yeteneği. Geri bildirim özellikli elektrikli ve esnek kol sonu araçlarımız, dinamik gerçek dünya ortamlarında güvenilir şekilde çalışmak üzere tasarlanmıştır. Bugün dünya genelinde çok çeşitli uygulamalarda 22.000’den fazla OnRobot ürünü kuruludur.

2. Daha yetenekli modeller güvenilir bir yürütme katmanı gerektirir

Temel modeller, robot öğrenimi, görüntü-dil-eylem sistemleri ve simülasyon daha yetenekli hale geldikçe yürütme katmanının önemi de artar.

Robot hareket teknolojisi, gerçek dünya manipülasyonuna kıyasla nispeten olgundur. Bunun nedeni manipülasyonun ortadan kaldırılamayan veya kusursuz biçimde modellenemeyen fiziksel değişkenlere bağlı olmasıdır.

Uç efektörün bu kadar önemli olmasının nedeni budur.

3. Temas açısından zengin veriler simülasyonu ve görüntü sistemlerini tamamlar

Simülasyon ekiplerin hızla eğitmesine, test etmesine ve yineleme yapmasına olanak tanır. Görüntü sistemleri robotların nesneleri tanımasına, sahneleri anlamasına ve hareket planlamasına yardımcı olur.

Güvenilir manipülasyon fiziksel geri bildirim de gerektirir. Öğrenme tabanlı sistemlerde daha eksiksiz etkileşim verileri eğitim, doğrulama ve hata analizini geliştirebilir.

Sürtünme, uyumluluk, kayma, deformasyon, atalet ve yüzey değişkenliği gibi temas dinamiklerini simülasyonda yeniden oluşturmak zordur. Simülasyonda başarılı olan bir kavrama, nesne hareket ederse, yüzey farklı tepki verirse veya parça temasa direnç gösterirse gerçek dünyada başarısız olabilir.

Bir kamera nesnenin konumunu belirleyebilir, ancak nesnenin güvenli biçimde tutulup tutulmadığını her zaman anlayamaz. Hafif kaymaları, asimetrik teması, yerleştirme sırasındaki direnci veya aşırı kuvveti de gözden kaçırabilir.

Bu sınırlamalar çok modlu geri bildirimi Fiziksel Yapay Zekanın önemli bir parçası haline getirir.

Farklı geri bildirim türleri etkileşimin farklı aşamalarını yakalar. Yakınlık algılama temas öncesinde veri sağlar. Kuvvet/tork algılama temas sırasında bilgi sağlayabilir. Kavrama algılama robotun nesneyi tutup tutmadığını doğrular. Tutucu genişliği verileri nesne ve kavrama durumu hakkında bilgi verirken başarı ve başarısızlık sinyalleri öğrenme döngüsünü destekler.

RG2-FT tutucu şu özellikleri bir araya getirir

4. Esnek manipülasyon her görev için doğru aracı gerektirir

Fiziksel Yapay Zeka genellikle genel amaçlı robotlarla ilişkilendirilir, ancak tek bir uç efektör her görev için ideal değildir.

Farklı nesneler ve uygulamalar farklı etkileşim biçimleri gerektirir:

Robotların değişkenliği yönetmesi, deneyimden öğrenmesi veya birden fazla görevde çalışması beklendiğinde uç efektör sistem mimarisinin bir parçası haline gelir. Robotun neyi kavrayabileceğini, kaldırabileceğini, tutabileceğini, yerleştirebileceğini, itebileceğini, çekebileceğini, değiştirebileceğini ve bırakabileceğini belirler; ayrıca kontrolörün veya modelin kullanabileceği geri bildirimi etkiler.

OnRobot portföyü, Fiziksel Yapay Zeka öne çıkan bir kavram haline gelmeden önce bu pratik gerçeklik etrafında oluşturuldu. Geri bildirim özellikli elektrikli ve esnek araçlar, üreticilerin otomasyonu farklı uygulamalarda daha kolay kurmasını, uyarlamasını ve yeniden kullanmasını sağlamak üzere tasarlanmıştır.

Aynı tasarım felsefesi günümüzde Fiziksel Yapay Zeka araştırmacılarının ve yapay zekayı temel alan robotik şirketlerinin ihtiyaçlarıyla yakından örtüşüyor.

Gerçek dünyadaki değişkenlik için tasarlandı

Fiziksel Yapay Zekanın bir sonraki aşaması daha güçlü modellere, daha iyi verilere, geliştirilmiş simülasyona ve daha yetenekli robot platformlarına bağlı olacaktır. Ayrıca modellerin gerçek dünyada güvenilir biçimde hareket etmesini sağlayan tutucular, sensörler, takım değiştiriciler ve kol sonu teknolojilerinden oluşan fiziksel etkileşim katmanına da bağlı olacaktır.

Kol sonu araçları artık robota en son eklenen basit bir bileşen değildir. Gelişmiş öğrenme sistemlerinin ayrılmaz bir parçasıdır.

OnRobot’un endüstride kendini kanıtlamış portföyü, araştırmacılara, robot geliştiricilerine ve üreticilere umut vadeden modellerden gerçek dünyada güvenilir manipülasyona geçiş için esnek bir temel sunar.