Yayınlanma tarihi: 12 Mart 2025 / Güncelleme tarihi: 12 Mart 2025 – Yazar: Konrad Wolfenstein
Araştırmacılar Sepehr Samavi ve Prof. Angela Schoellig, robot Jack'in yanında – Fotoğraf: Astrid Eckert, Münih
Robotik alanında öncü çalışma: TUM, tahmin yeteneğine sahip bir robot geliştirdi
Otonom Sistemler: Robotlar İnsanlarla Nasıl Etkileşim Kurmayı Öğreniyor?
Otomasyon ve yapay zekâya doğru hızla evrilen bir dünyada, otonom sistemler günlük hayatımızın giderek daha önemli bir parçası haline geliyor. Kendi kendine giden arabalardan ve akıllı yardımcı robotlardan gelişmiş endüstriyel tesislere kadar, makinelerin bağımsız kararlar alabilme ve karmaşık ortamlarda çalışabilme yeteneği, hayatımızın birçok yönünü dönüştürüyor. Robotik alanındaki özellikle heyecan verici ve zorlu bir disiplin, dinamik, insan yerleşimli ortamlarda güvenli ve verimli bir şekilde hareket edebilen sistemlerin geliştirilmesidir. Bu, yalnızca engellerden kaçınmayı değil, aynı zamanda sorunsuz ve güvenli etkileşim sağlamak için insan davranışını anlamayı, tahmin etmeyi ve yanıt vermeyi de içerir.
Ünlü Münih Teknik Üniversitesi'ndeki (TUM) araştırmacılar, robotik, yapay zeka ve insan davranışı kesişiminde yoğun bir şekilde çalışıyorlar. Profesör Angela Schoellig'in başkanlığındaki Öğrenme Sistemleri ve Robotik Laboratuvarı'nda, kalabalıklar arasında olağanüstü beceri ve öngörüyle hareket edebilen "Jack" adlı yenilikçi bir robot geliştirdiler. Jack'i diğer birçok robottan ayıran şey, yalnızca yakın çevresini algılamakla kalmayıp, aynı zamanda çevresindeki insanların nasıl hareket edeceğini ve kendi hareketlerine nasıl tepki verebileceklerini aktif olarak düşünme yeteneğidir. Bu öngörücü düşünme, Jack'in yoğun alanlardaki rotasını sadece tepkisel olarak değil, proaktif ve akıllıca planlamasını sağlar.
İçin uygun:
Kalabalıkta yol bulmanın zorluğu
Kalabalıklar arasında hareket etmek, robotlar için son derece zorlu bir görevdir ve bu görev, sadece engellerden kaçınmanın çok ötesine uzanır. Statik veya tahmin edilebilir ortamlardan farklı olarak, kalabalıklar dinamik, tahmin edilemez ve karmaşık sosyal etkileşimlerle karakterize edilir. Kalabalıkta her birey bireysel olarak hareket eder, ancak aynı anda diğerlerinin hareketlerini de etkiler. Bu karşılıklı bağımlılık, insan davranışının doğal değişkenliğiyle birleştiğinde, robotların güvenli ve verimli bir şekilde hareket etmesini son derece zorlaştırır.
Genellikle katı kurallara ve basit sensör verilerine dayanan geleneksel robot navigasyon algoritmaları, bu tür ortamlarda hızla sınırlarına ulaşır. Tipik olarak engellere aniden durarak veya yön değiştirerek tepki verirler; bu da istenmeyen tıkanıklıklara, verimsiz rotalara veya kalabalıkta tehlikeli durumlara yol açabilir. Kalabalıkta başarılı bir şekilde gezinmek için robotların, insan davranışını anlamalarına, tahmin etmelerine ve bunu navigasyon planlamalarına aktif olarak dahil etmelerine olanak tanıyan önemli ölçüde daha gelişmiş bir zekâ biçimine ihtiyaçları vardır.
Jack'in yenilikçi yaklaşımı: İleri görüşlülük ve etkileşim
TUM araştırmacıları tarafından geliştirilen Jack adlı robot, geleneksel yaklaşımların çok ötesinde önemli bir adım atıyor. Temelinde, çevresindeki insanların hareketlerini algılamasının yanı sıra, bunları aktif olarak tahmin etmesini ve kendi rota planlamasına dahil etmesini sağlayan gelişmiş bir algoritma bulunuyor. Profesör Schoellig, geleneksel yöntemlere göre temel farkı vurguluyor: “Robotumuz, kendi rotalarını planlamak için insanların hareketlerine nasıl tepki vereceğini modelliyor. Bu, genellikle bu etkileşimi göz ardı eden diğer yaklaşımlara kıyasla en büyük farktır.”
Etkileşimleri modelleme yeteneği, Jack'in başarısının anahtarıdır. İnsanları sadece tahmin edilemez engeller olarak görmek yerine, Jack onları davranışlarını kısmen tahmin edebileceği ve hatta etkileyebileceği zeki varlıklar olarak anlar. Bu, kalabalıklar arasında insan navigasyonuna çok benzeyen bir şekilde hareket etmesini sağlar. Boşluklara girmekten çekinmez, yayaların hareketlerini önceden tahmin eder ve hedefine verimli bir şekilde ulaşırken çarpışmalardan kaçınmak için rotasını dinamik olarak ayarlar.
Sensörler ve işlem gücünün birleşimi
Bu zorlu görevi başarmak için Jack, son derece gelişmiş sensörler ve işlem gücüyle donatılmıştır. Temel bileşenlerden biri, çevresine sürekli olarak lazer ışınları yayan ve yansıyan sinyalleri alan bir lidar (ışık algılama ve mesafe ölçme) sensörüdür. Lidar, bu verilerden yola çıkarak, yalnızca statik nesneleri değil, özellikle de insanların konumunu ve hareketini de yakalayarak, ortamın hassas bir 360 derecelik haritasını gerçek zamanlı olarak oluşturur. Böylece lidar, robota çevresinin ayrıntılı bir "resmini" sağlayarak, navigasyon kararlarının temelini oluşturur.
Lidar teknolojisine ek olarak, Jack'in tekerleklerinde hızını ve kat ettiği mesafeyi hassas bir şekilde ölçen sensörler bulunur. Bu bilgiler, çevresindeki konumunu doğru bir şekilde belirlemek ve navigasyon verimliliğini optimize etmek için çok önemlidir. Tüm sensör verileri, karmaşık algoritmaları gerçek zamanlı olarak çalıştırabilen güçlü bir yerleşik bilgisayar tarafından işlenir. Bu bilgisayar, Jack'in "beyni" olup, sensör verilerini analiz etmek, insan hareketini tahmin etmek ve en uygun rotayı hesaplamaktan sorumludur.
İçin uygun:
Algoritmanın detayları: tahmin, planlama ve uyarlama
Jack'in zekasının merkezinde, TUM araştırmacıları tarafından geliştirilen navigasyon algoritması yer alıyor. Bu algoritma, Jack'in kalabalıklar arasında güvenli ve verimli bir şekilde gezinmesini sağlamak için birkaç adımda çalışıyor.
1. Algılama ve veri toplama
Öncelikle Jack, sensörlerini kullanarak çevresi hakkında sürekli veri toplar. Lidar, insanların konumu ve hareketi hakkında bilgi sağlarken, tekerlek sensörleri robotun kendi hareketi hakkında veri sağlar.
2. İnsan hareketlerini tahmin etme
Toplanan verilere dayanarak, algoritma çevredeki insanların hareket modellerini analiz eder. İnsanların önümüzdeki birkaç saniye içinde izleyecekleri muhtemel yolları tahmin etmeye çalışır. Bu tahmin, kalabalıklar içindeki insan hareket davranışına ilişkin kapsamlı veri kümelerinden öğrenilen istatistiksel modellere dayanmaktadır.
3. Rota planlaması
Aynı zamanda algoritma, robotun varış noktasına en uygun rotayı planlar. Bunu yaparken, yalnızca insanların tahmini hareketlerini değil, robotun kendi yeteneklerini ve sınırlamalarını da (örneğin hızı ve manevra kabiliyeti) dikkate alır. Amaç, insanlarla çarpışma riskini en aza indirerek, varış noktasına mümkün olduğunca hızlı ve verimli bir şekilde ulaşan bir rota bulmaktır.
4. Dinamik adaptasyon
Algoritmanın en önemli özelliklerinden biri, dinamik olarak uyum sağlama yeteneğidir. Veri toplama, tahmin ve rota planlama süreçlerinin tamamı saniyede yaklaşık on kez sürekli olarak tekrarlanır. Bu, Jack'in rotasını sürekli değişen ortama gerçek zamanlı olarak ayarlamasını sağlar. TUM araştırmacısı Sepehr Samavi'nin açıkladığı gibi, bu yüksek uyum sıklığı, robotun insanların hareketlerini aynı anda tanıması ve bunlara tepki vermesi nedeniyle, çok sayıda insanın bulunduğu dinamik bir ortamda güvenli ve verimli bir şekilde gezinmek için çok önemlidir.
İnsan davranışlarından öğrenmek: İnsan benzeri navigasyonun anahtarı
Jack'in zekasının bir diğer önemli yönü de insan davranışlarından öğrenme yeteneğidir. TUM araştırmacıları Jack'i sadece katı kurallar ve algoritmalarla programlamak yerine, insan hareket davranışlarına ilişkin verileri analiz ederek sürekli olarak kendini geliştirme fırsatı verdiler.
Profesör Schoellig, planlama algoritmasının dayandığı matematiksel modelin insan hareketlerinden türetildiğini ve denklemlere dönüştürüldüğünü açıklıyor. Bu nedenle algoritma, insan davranışı hakkında soyut varsayımlara değil, doğrudan kalabalık hareketlerini belgeleyen gerçek verilere dayanmaktadır. Bunu mümkün kılmak için araştırmacılar, çeşitli durum ve ortamlarda insan davranışını tanımlayan kapsamlı veri kümeleri topladılar ve bu veri kümeleri Jack için eğitim materyali görevi görüyor.
Jack, bu verileri analiz ederek tipik insan hareket kalıplarını tanımayı ve tahmin etmeyi öğrenir ve bunları kendi kararlarına dahil eder. Örneğin, insanların genellikle bir engele yaklaşırken direksiyonu kırdığını veya çarpışmayı önlemek için hızlarını ayarladığını öğrenir. Bu bilgi algoritmaya aktarılır ve Jack'in kalabalık içindeki insanların sezgisel davranışlarına benzeyen bir şekilde davranmasını sağlar.
Bu öğrenme sürecinin somut bir örneği, Jack'in olası çarpışmaları ele alma biçimidir. Geleneksel bir robot, çarpışma rotasında bir insan gibi bir engeli tespit ettiğinde genellikle hemen durur. Ancak Jack, insan davranışlarından öğrendiği için daha incelikli tepki verir. İnsanların genellikle uyum sağlayacağını ve çarpışmadan kaçınmak için yön değiştireceğini öngörür. Bu nedenle, hemen durmaz, hareketine devam ederken aynı anda kişinin tepkisini gözlemler. Sadece kişinin yön değiştirmeyeceğine dair işaretler varsa Jack planlarını değiştirir ve alternatif bir rota seçer. Bu davranış, geleneksel bir robotun ani duruşundan önemli ölçüde daha verimli ve insana benzerdir.
Evrimsel gelişim: Tepkiselden etkileşimliye
Jack'in navigasyon becerilerinin gelişimi, üç aşamada gerçekleşen evrimsel bir süreçti. Her aşama, algoritmanın karmaşıklığı ve zekasında bir ilerlemeyi temsil eder.
Seviye 1: Reaktif navigasyon.
İlk aşamada Jack yalnızca çevresine tepki veriyordu. İnsan davranışlarını tahmin etmeden veya öngörmeden, engelleri algıladığı anda onlardan kaçınıyordu. İşlevsel olsa da, bu aşama verimsizdi ve genellikle ani duruşlara ve dolambaçlı yollara yol açıyordu.
Seviye 2: Tahmine dayalı navigasyon.
İkinci aşamada, algoritma yaklaşan insanların hareketini tahmin edecek şekilde genişletildi. Bu, Jack'in daha proaktif bir şekilde hareket etmesini ve çarpışmalar gerçekleşmeden önce önlem almasını sağladı. Bu aşama zaten önemli bir ilerlemeyi temsil ediyordu, ancak robot ve insan arasındaki etkileşimi büyük ölçüde göz ardı ettiği için hala sınırlıydı.
Seviye 3: Etkileşimli gezinme.
Jack'in mevcut sürümü, bugüne kadarki evrimin üçüncü ve en gelişmiş aşamasını temsil ediyor: etkileşimli navigasyon. Bu aşamada Jack, insanların hareketlerini tahmin etmekle kalmıyor, aynı zamanda insanların kendi hareketlerine nasıl tepki vereceğini de aktif olarak değerlendiriyor. Çarpışmalardan kaçınırken aynı zamanda kendi eylemleriyle insanların davranışlarını etkileyebiliyor. Bu etkileşimli yetenek, Jack'i gerçekten zeki ve insan benzeri bir navigasyon sistemi haline getiren en önemli atılımdır.
Araştırmacı Samavi, Jack'in diğer insanların hareketlerini tahmin edebildiğini ve aynı zamanda kendi davranışlarıyla onların eylemlerini etkileyebildiğini, böylece çarpışmalardan kaçınabildiğini açıklıyor. Bu etkileşimli navigasyon biçimi, Jack'in kalabalıklar arasında güvenli, verimli, sosyal olarak kabul edilebilir ve sezgisel bir şekilde hareket etmesini sağlıyor.
Uygulama alanları: Teslimat robotlarından otonom sürüşe kadar
Jack'in arkasındaki yenilikçi teknoloji, çok çeşitli uygulamalar için muazzam bir potansiyele sahip. Jack başlangıçta bir araştırma platformu olarak geliştirilmiş olsa da, TUM araştırmacıları şimdiden gerçek dünyada somut uygulamaları değerlendiriyorlar.
Teslimat robotu
En bariz uygulama alanlarından biri, kentsel ortamlarda mal ve paketleri otonom olarak teslim edebilen teslimat robotlarıdır. Bu robotların kaldırımlarda, yaya bölgelerinde ve yoğun şehir merkezlerinde güvenli ve verimli bir şekilde hareket edebilmesi gerekir. Jack'in kalabalıklar arasında gezinme yeteneği bunun için çok önemlidir. Gelecekte, otonom teslimat robotları lojistikteki "son kilometre" sorunlarını çözmeye ve kentsel trafik yoğunluğunu azaltmaya önemli katkı sağlayabilir.
İçin uygun:
tekerlekli sandalyeler
Bir diğer umut vadeden uygulama ise teknolojinin akıllı tekerlekli sandalyelere entegrasyonudur. Hareket kısıtlılığı olan kişiler için kalabalık ortamlarda gezinmek büyük bir zorluk olabilir. Jack'in navigasyon algoritmasıyla donatılmış bir tekerlekli sandalye, bağımsızlıklarını ve yaşam kalitelerini önemli ölçüde artırabilir. Tekerlekli sandalye, engellerden otomatik olarak kaçınabilir, kalabalıklar arasında güvenli bir şekilde hareket edebilir ve kullanıcıyı istediği yere otonom olarak taşıyabilir.
Otonom sürüş
Profesör Schoellig, otonom sürüşü, etkileşimli navigasyon teknolojisi için özellikle önemli bir uygulama alanı olarak değerlendiriyor. Bu etkileşimli senaryoların önemli bir zorluk teşkil ettiğini vurguluyor. Otoyollara giriş, kavşaklarda dönüş veya yayalar ve bisikletlilerle etkileşim gibi karmaşık trafik durumlarında, yalnızca kendi hareketlerini planlamak değil, aynı zamanda diğer yol kullanıcılarının davranışlarını da öngörmek ve bunu planlamaya dahil etmek çok önemlidir. Teknolojinin etkileşimli navigasyon sağlama yeteneği, daha güvenli ve verimli otonom araçların geliştirilmesine önemli bir katkı sağlayabilir. Otoyola giriş örneğini veriyor: Bir araç otoyol girişinin hızlanma şeridinde olduğunda, arkadan yaklaşan birçok sürücü şerit değiştirir veya hafifçe fren yapar. İşte tam da bu gibi durumlarda yeni yaklaşım, diğer yol kullanıcılarının tepkilerini uygun şekilde dikkate almayı mümkün kılıyor.
İnsansı robotlar
İnsan benzeri robotlar, özellikle bakım, hizmet veya üretim gibi insanlarla yakın temas halinde çalıştıkları alanlarda bu algoritmalardan büyük ölçüde faydalanabilirler. Kabul görmeleri ve etkili bir şekilde kullanılmaları için, insan ortamlarında güvenli ve sezgisel bir şekilde hareket edebilmeleri şarttır. Ancak Profesör Schoellig, önemli bir zorluğa işaret ediyor: Mobil bir robot gerektiğinde kolayca durabilirken, insan benzeri robotlar şu anda oldukça dengesiz ve hızla dengelerini kaybediyorlar. Dinamik ortamlarda insan benzeri robotların stabilitesini iyileştirmek, insan benzeri robotlar için etkileşimli navigasyonun tüm potansiyelini ortaya çıkarmak için daha fazla geliştirilmesi gereken önemli bir araştırma alanıdır.
Gelişmiş robot navigasyonu: Jack insan davranışını nasıl anlıyor?
TUM'un etkileşimli robot navigasyonu alanındaki araştırmaları, insan ortamlarında güvenli ve verimli bir şekilde çalışabilen akıllı ve otonom sistemlere doğru önemli bir ilerlemeyi temsil etmektedir. Jack robotu, yalnızca çevrelerini algılamakla kalmayıp, insan davranışlarını anlayıp tahmin edebilen ve bunu karar verme süreçlerine dahil edebilen makineler geliştirmenin mümkün olduğunu etkileyici bir şekilde göstermektedir. Bu etkileşimli navigasyon yeteneği, teslimat robotlarından akıllı tekerlekli sandalyelere ve otonom sürüşe kadar geniş bir uygulama yelpazesi için yeni olanaklar açmaktadır.
Ancak Jack'in geliştirilmesi sadece bir başlangıç. Robotik ve yapay zekâ alanındaki araştırmalar hızla ilerliyor ve önümüzdeki yıllarda ve on yıllarda daha da heyecan verici yenilikler bekleyebiliriz. Robotların günlük hayatımıza entegrasyonu giderek daha yaygın hale gelecek ve otonom sistemler toplumumuzda giderek daha önemli bir rol oynayacak. Bu nedenle, bu teknolojilerin gelişimini sorumlu bir şekilde şekillendirmemiz ve etik ve toplumsal yönleri en başından itibaren dikkate almamız çok önemlidir. Ancak bu şekilde, robotların ve insanların gelecekte herkesin yararına birlikte çalışabilmesini sağlayabiliriz.
İçin uygun:
Küresel pazarlama ve iş geliştirme ortağınız
☑️İş dilimiz İngilizce veya Almancadır
☑️ YENİ: Ulusal dilinizde yazışmalar!
Konrad Wolfenstein
Size ve ekibime kişisel danışman olarak hizmet etmekten mutluluk duyarım.
iletişim formunu doldurarak benimle iletişime geçebilir +49 89 89 674 804 (Münih) numaralı telefondan beni arayabilirsiniz . E-posta adresim: wolfenstein ∂ xpert.digital
Ortak projemizi sabırsızlıkla bekliyorum.
