Uzun pekiştirmeli eğitim sonrası eylem ön eki kayması (action prefix drift) nedeniyle oluşan kol sürüklenmesi. Kaynak: Humanoid
Yapay zeka sayesinde robotik manipülasyon alanında önemli ilerlemeler kaydediliyor. Londra merkezli Humanoid, geçtiğimiz hafta, insan hızında ve ötesinde %99,9 manipülasyon güvenilirliğine ulaşmayı hedefleyen pekiştirmeli öğrenme (RL) yaklaşımı KinetIQ Ascend'i tanıttı.
Humanoid'in Teknoloji Sorumlusu (CTO) Jarad Cannon, konuyla ilgili şunları söyledi: "İnsansı robot yarışı artık bir ölçek sorununa dönüşüyor ve gerçek dünyadaki pekiştirmeli öğrenme bu sorunun çözümünde önemli bir rol oynayabilir. Bir zamanlar aylar süren manuel ayar gerektiren robotlar, artık günler içinde insan demonstrasyonlarını geride bırakıyor."
Humanoid, iki yıl içinde 1 numaralı genel amaçlı endüstriyel insansı robot şirketi olma hedefiyle insansı robotlar geliştiriyor. 2024 yılında Artem Sokolov tarafından kurulan şirket, dünyanın önde gelen teknoloji şirketlerinden gelen 250'den fazla mühendis, araştırmacı ve yenilikçiyi bünyesinde barındırıyor.
Londra, Boston, Vancouver ve San Diego'da ofisleri bulunan Humanoid, gerçek dünya uygulamaları için ticari olarak uygulanabilir, ölçeklenebilir ve güvenli sistemler geliştirdiğini belirtiyor. Şirket, Mayıs ayında HMND robotlarının üretimini ölçeklendirmek için Bosch ve Schaeffler ile ortaklık kurmuştu.
KinetIQ Ascend 'Yetenek Fabrikasını' Destekliyor
Humanoid, KinetIQ'un gerçek dünya kullanımı için tasarlanmış dört katmanlı özel bir yapay zeka çerçevesi olduğunu açıkladı. KinetIQ Ascend, önceki KinetIQ platformunun üzerine deneme-yanılma öğrenmesini ekleyerek robotların endüstriyel görevlerde doğrudan gelişmesine yardımcı oluyor.
Cannon, "KinetIQ Ascend, gerçek dünya RL yöntemimiz, robot yetenekleri geliştirmek için yeni bir yaklaşım sunuyor. Veri toplamak ve her yeni beceri için manuel ayar yapmak için aylar harcamak yerine, temel bir davranışla başlayıp RL'nin bunu dağıtıma hazır bir yeteneğe dönüştürmesine izin verebiliriz. Bu süreci 'yetenek fabrikası' inşa etmek olarak tanımlıyoruz. Bu, insansı robotların etkileyici demolar endüstrinin gerçekten güvenebileceği araçlara nasıl dönüştüğünü gösteriyor." dedi.
Humanoid Testleri Gelişmiş Manipülasyonu Gösteriyor
Humanoid, KinetIQ Ascend'i kutulardan parça alma, insanlara nesne uzatma ve iki robot koluyla konteyner kaldırma ve taşıma gibi çeşitli görevlerde test etti. Şirkete göre yöntem, bir dizi manipülasyon senaryosunda etkili olduğunu kanıtladı.
Bir makine besleme uygulamasında robot, bir kutudan çelik rulman halkalarını alarak bir konveyöre yerleştirdi. KinetIQ Ascend'in üretim hacmini %42 artırdığı ve robotun başlangıçta öğrendiği insan demonstrasyonlarından 1,5 kat daha hızlı çalışmasını sağladığı bildirildi.
Diğer bir görevde, dağınık bir kovadan parçalar alınarak bir kişiye verilmesi gerekiyordu. Aynı yaklaşım, başarı oranını %80'den %98'e çıkarırken üretim hacmini %85 artırdı. Humanoid, giderek karmaşıklaşan manipülasyon senaryolarında KinetIQ Ascend'in önemli iyileştirmeler sağlamaya devam ettiğini belirtti.
Üçüncü bir iki kollu kova taşıma görevinde robot, her iki kolunu kullanarak bir masadan bir kova kaldırdı. KinetIQ Ascend üretim hacmini iki katından fazla artırırken, başarı oranı %78'den %99'a yükseldi. Bu, hatalarda yaklaşık yirmi kat azalma anlamına geliyor ve tüm sonuçlar yalnızca birkaç günlük eğitimin ardından elde edildi.
Humanoid, sonuçların KinetIQ Ascend'in robot yeteneklerini geliştirmek için yeni bir yol sunduğunu ve yüksek hızlı tek kollu toplamadan karmaşık iki kollu taşımaya kadar çeşitli gerçek dünya operasyonel görevlerinde etkili olduğunu kanıtladığını söyledi.
KinetIQ Ascend ayrıca, eğitim süresi arttıkça robot performansının öngörülebilir bir şekilde iyileştiğini gösterdi. Bu durum, daha fazla hesaplama gücü ve veri kullanılabilir hale geldikçe büyük dil modellerinde (LLM) görülen iyileşmeye benziyor. Şirket, simülasyon deneyleriyle desteklenen gözlemlenen ölçekleme eğiliminin, yöntemin %100 güvenilirliğe kadar ölçeklenebileceğini gösterdiğini belirtti.
Yeni yaklaşım iki ek bulguyu daha ortaya çıkardı: Bir iş akışının yalnızca en zor kısmını iyileştirmek tüm görevi iyileştirebilir ve robotlar eğitim sırasında görmedikleri nesnelere genelleme yapabiliyor.
Humanoid tüm bu bulguları yeni bir teknik raporda detaylandırdı. Rapor, KinetIQ Ascend'in arkasındaki tam metodolojiyi, eğitim altyapısı, algoritmik çözümler ve sonuçların daha derin bir analizi dahil olmak üzere sunuyor.
