Bir robotun aniden nerede olduğunu şaşırıp yolunu kaybetmesi mühendisler için büyük bir sorun. Araştırmacılara göre yeni bir yapay zekâ sistemi, “kaçırılan” robotların değişen ortamlarda bile yeniden yön bulmasına yardım edebilir.
Robotların bulundukları konumu kaybetmesi, literatürde “kaçırılan robot” problemi olarak bilinen ve uzun süredir çözülmeye çalışılan bir mesele; ancak araştırmacılar bunun için yeni bir yapay zeka sistemi geliştirdiklerini söylüyor.
REKLAM
REKLAM
İspanya'daki Miguel Hernández de Elche Üniversitesinden bir araştırma ekibi, otonom robotlar için yeni bir konumlama yöntemi geliştirdi. Bu yöntem, lazer darbeleriyle çevreyi tarayan 3D LiDAR teknolojisini kullanarak ortamın haritaya benzer bir temsilini oluşturuyor.
Bu sayede robotların yerleri değiştirildikten, kapatıldıktan ya da başka şekilde yerlerinden oynatıldıktan sonra bile konumlarını yeniden bulabildiği belirtiliyor.
Güvenilir ve emniyetli konumlama; hizmet robotları, lojistik otomasyonu, altyapı denetimi, çevresel izleme ve otonom araçlar için hayati önem taşıyor.
Pek çok otonom robot kısmen GPS gibi uydu seyrüsefer sistemlerine dayanıyor; ancak bu sinyaller yüksek binaların yakınında zayıflayabiliyor ve çoğu zaman kapalı alanlarda iyi çalışmıyor.
Araştırmacılara göre MCL-DLF (Monte Carlo Localisation – Deep Local Feature) adı verilen sistem, robotların dış altyapıya değil, üzerlerindeki sensörlere daha etkili biçimde dayanabilmesini sağlıyor.
Sistem önce binalar veya bitki örtüsü gibi büyük yapıları tanıyarak genel bölgeyi belirliyor. Ardından, robotun tam konumunu daha küçük ayrıntıları inceleyerek daraltıyor; bu süreç, insanların yabancı bir yerde yön bulurken izlediği yöntemi taklit edecek şekilde tasarlanmış.
“Bu, insanların önce genel bir bölgeyi tanıyıp ardından tam olarak nerede olduklarını anlamak için küçük, ayırt edici ayrıntılara bakmasına benziyor” dedi çalışmanın başyazarı ve Miguel Hernández de Elche Üniversitesinde araştırmacı olan Míriam Máximo.
Yapay zekadan yararlanan sistem, konumlama için hangi çevresel özelliklerin en faydalı olduğunu öğreniyor; aynı anda birden fazla olası konum tahminini muhafaza ediyor ve yeni sensör verileri geldikçe bu tahminleri sürekli güncelliyor.
Araştırmacılar, bunun çevrenin birbirine çok benzediği ya da zaman içinde değiştiği durumlarda güvenilirliği artırmaya yardımcı olduğunu söylüyor.
Teknoloji, farklı mevsimler ve ışık koşulları da dahil olmak üzere değişken şartlar altında üniversite kampüsünde birkaç ay boyunca test edildi.
Araştırmacılara göre sistem, geleneksel yaklaşımlarla karşılaştırıldığında, mevsimsel dalgalanmalardan ışık ve bitki örtüsündeki değişimlere uzanan çeşitli çevresel koşullar altında daha yüksek konumlama doğruluğu ve daha tutarlı performans sergiledi.
Yeni sistem, koşulların nadiren sabit kaldığı gerçek dünya ortamlarında robotların daha bağımsız çalışmasına yardımcı olabilir.