Yayınlanan: 25 Şubat 2025 / Güncelleme: 25 Şubat 2025 - Yazar: Konrad Wolfenstein
Tökezlemekten Robotik'te takla'ya kadar: AI-Yükseltme İnsansı Becerileri Tanımlar-İmage: Xpert.digital
Humanoidlerin Geleceği: Atlas, takviye öğrenmek daha akıllı
Stratejik Ortaklık: Boston Dynamics, gerçek uygulamalar için Atlas'ı optimize ediyor
Bir duyuruda, dinamik robot alanında bir öncü olan Boston Dynamics ve ünlü robotik uzman ve Boston Dynamics'in eski CEO'ları yönetimindeki bir araştırma kurumu olan Robotics & AI Enstitüsü (RAI Enstitüsü) Marc Raibert, Stratejik Ortaklık. Şubat 2025'te resmen başlangıcını resmen bulan bu işbirliğinin beyan edilen hedefi, takviye öğrenimi (güçlendirici öğrenme) kullanarak gelişmiş insansı robot atlasının becerilerinin önemli bir gelişmesidir. Bu işbirliği sadece Atlas'ı daha esnek ve çevik hale getirmekle kalmayıp aynı zamanda daha geniş bir gerçek uygulamalar spektrumu için nitelendirmeyi ve böylece yeni bir insansı robot çağının yolunu açmayı vaat ediyor.
İçin uygun:
Gelecek odaklı işbirliğinin temel hedefleri
Boston Dynamics ve RAI Enstitüsü arasındaki ortaklık, Atlas'ın temel becerilerini dönüştürmeyi ve etkileyici bir araştırma göstericisinden çeşitli ve pratik bir araca geliştirmeyi amaçlayan bir dizi iddialı hedefe odaklanmaktadır. Bu çabaların merkezinde üç ana alan vardır:
Sim-to-toal boşluğunun köprüleme: simülasyondan gerçeğe yol
Robotikteki en büyük zorluklardan biri, özellikle takviye öğrenimi alanında, simülasyonlarda öğrenilen becerilerin gerçek dünyaya aktarılmasıdır. Simülasyonlar robotları eğitmek için ideal bir ortam sunar, çünkü sınırsız miktarda veri, çevre üzerinde tam kontrol ve tehlikeli veya maliyet yoğun senaryoları risksiz bir şekilde simüle etme olasılığı sağlarlar. Robotlar, hasar veya yaralanma riski olmadan sanal dünyalarda sayısız hareket ve görev yinelemesi yapabilir.
Öte yandan gerçek, çok daha karmaşık ve öngörülemez. Fiziksel robotlar duyusal gürültü, öngörülemeyen bozukluklar, modellemede yanlışlıklar ve sürekli değişkenlik zorluğu ile dolu bir dünyada çalışır. Mükemmel kontrollü bir simülasyonda çalışan şey kaotik gerçeklikte başarısız olabilir. "Sim-to-Lükke" tam olarak bu tutarsızlığı açıklar.
Boston Dynamics ve RAI Enstitüsü arasındaki ortaklık, yenilikçi yöntemler ve algoritmalar kullanarak bu boşluğu kapatma hedefini oluşturdu. Araştırmacılar, sadece simülasyonda değil, aynı zamanda gerçek dünyada da güvenilir bir şekilde çalışan sağlam ve genelleştirilebilir hareketler geliştirmek için çalışıyorlar. Bu, fiziksel gerçekliği daha hassas bir şekilde haritalayan gelişmiş simülasyon ortamlarının geliştirilmesinin yanı sıra, simülasyonlarda eğitilmiş modelleri gerçek dünyanın imkanlarına daha dirençli hale getirmek için alan randomizasyonu ve uyarlanabilir simülasyon gibi tekniklerin kullanımını içerir. Bu alandaki başarı, robotik için takviye öğreniminin tam potansiyelinden yararlanmak ve gerçek, yapılandırılmamış ortamlarda robotları kullanmak çok önemlidir.
Loco manipülasyonunun iyileştirilmesi: hareket ve etkileşim sanatı
Loco manipülasyonunu, yani nesnelerin eşzamanlı taşınması ve manipülasyonunu bulma yeteneği, karmaşık ve dinamik ortamlarda hareket etmesi gereken robotlar için önemli bir yetenektir. Paketler seçmek için bir depodan hareket eden insansı bir robot veya bir felaket bölgesinde enkazı ortadan kaldıran ve aynı zamanda hayatta kalanları arayan bir robot düşünün. Tüm bu senaryolarda, robotun sadece verimli bir şekilde hareket etmekle kalmayıp aynı zamanda çevresi ile de etkileşime girmesi önemlidir.
Bununla birlikte, gelişmiş Loko manipülasyon stratejilerinin geliştirilmesi muazzam bir zorluktur. Hareket planlaması, demiryolu planlaması, sürükleme planlaması ve güç seviyesi arasında yakın koordinasyon gerektirir. Robot, hareketlerini ve manipülasyonlarını çevresinin sürekli değişen koşullarına gerçek zamanlı olarak uyarlayabilmelidir.
Ortaklığın bir parçası olarak, araştırmacılar Atlas Loco manipülasyon becerilerini yeni bir seviyeye yükseltmek için yeni ve yenilikçi stratejiler geliştirecekler. Bu, eşzamanlı planlama ve sürükleme planlaması için algoritmaların araştırılmasını, çeşitli nesnelerin manipülasyonu için sağlam güç kontrol stratejilerinin geliştirilmesini ve duyusal bilgilerin hızlı ve uyarlanabilir lokomotif manipülasyon reaksiyonunu sağlamak için kontrol döngüsüne entegrasyonunu içerir. Loco manipülasyonunun iyileştirilmesi, Atlas'ı çeşitli uygulamalar için gerçekten çok yönlü ve kullanışlı bir araç haline getirmek için çok önemli bir adımdır.
Tam vücut temas stratejileri üzerine araştırma: fakir ve bacakların sinerjisi
Atlas gibi insansı robotlar, insan hareketine çok benzeyen bir şekilde hareket etme ve etkileşim kurma potansiyeli vardır. Kollar, bacaklar ve gövde de dahil olmak üzere tüm vücudu karmaşık hareketlere ve görevlere entegre etme yeteneği, robotik için tamamen yeni fırsatlar açar. Tüm vücut temas stratejileri, kollarla basit manipülasyonun ötesine geçer ve yüksek performanslı hareketler ve görevler sağlamak için kollar ve bacaklar arasındaki sinerjiyi kullanır.
Ağır bir nesne taşıyan bir kişiyi düşünün. Sadece kollarını değil, aynı zamanda bacaklarını, gövdesini ve tüm vücudunu ağırlığı stabilize etmek, dengeyi korumak ve nesneyi verimli bir şekilde taşımak için kullanır. Benzer şekilde, insansı robotlar, kollar ve bacaklar arasında yakın koordinasyon gerektiren karmaşık görevleri yönetmek için tüm vücutlarını kullanabilmelidir.
Araştırmacılar, yüksek performanslı tam vücut hareketleri ve görevleri için gelişmiş düzenleyici algoritmaların ve planlama stratejilerinin geliştirilmesine odaklanmaktadır. Bu, dinamik koşu, atlama, tırmanma, ağır nesnelerin kaldırılması ve taşıma, sıkışık odalarda manipülasyon ve karmaşık ortamlarla etkileşim gibi alanları içerir. Tam vücut temas stratejilerinin araştırılması, insansı form faktörünün tam potansiyelinden yararlanmak ve dünyada doğal ve sezgisel bir şekilde hareket edebilen robotlar geliştirmek için çok önemlidir.
Bu yönlü işbirliğinin önemi
Boston Dynamics ve RAI Enstitüsü arasındaki ortaklık, robotik ve AI araştırma topluluğu için çeşitli nedenlerden dolayı çok önemlidir. Birincisi, her biri benzersiz güçlü ve becerilerle robotik alanda önde gelen iki organizasyonu birleştiriyor. Boston Dynamics, Atlas, Spot, Hands ve Stretch gibi etkileyici ve dinamik robot platformları ile dünya çapında bilinir. Marc Raibert yönetiminde RAI Enstitüsü, akıllı makineler için en iyi teknolojilerin geliştirilmesi ve karmaşık robotik sorunlarına takviye öğrenmesinin kullanımında onlarca yıllık deneyim getiriyor.
RAI Enstitüsü'nün kurucusu Marc Raiber, bir robotik simgesidir. Eski bir Boston Dynamics CEO'su olarak, şirketin gelişimini önemli ölçüde şekillendirdi ve dünyanın en etkileyici robotlarından bazılarını üretti. Robot araştırmalarının, gerçek dünyada insanlar ve hayvanlar kadar akıllı ve çok yönlü hareket edebilen robot vizyonu üzerinde kalıcı bir etkisi olmuştur. RAI Enstitüsü'nün kurulmasıyla Raiber, robotik ve yapay zekadaki mümkün olanın sınırlarını genişletme misyonuna devam ediyor.
İşbirliği, dört ayaklı robot spotu için "Takviye Öğrenme Araştırmacı Kiti" de dahil olmak üzere önceki ortak projelerin sağlam bir temeline dayanmaktadır. Bu kit, dünya çapında araştırmacıların spot platformda takviye öğrenme algoritmalarını geliştirmelerini ve test etmelerini sağlar. Bu kitin başarılı bir şekilde geliştirilmesi ve uygulanması, her iki kuruluşun birlikte etkili bir şekilde çalışabildiğini ve robotik için yeniden güçlendirme öğrenimi alanında yenilikçi çözümler geliştirebildiğini göstermiştir.
Ortaklar, dünyanın en gelişmiş ve güçlü insansı robotlarından biri olan Atlas'a takviye öğrenimi kullanarak, insansı becerilerin geliştirilmesinde önemli ilerlemeler beklemektedir. Takviye öğrenimi, robotları eğitme, geleneksel programlama yaklaşımlarıyla uygulanması zor olan karmaşık görevleri yönetme potansiyeli sunar. Robotların çevreleriyle etkileşim yoluyla öğrenmelerini, uyum sağlamaları ve becerilerini sürekli olarak geliştirmelerini sağlar.
Boston Dynamics ve RAI Enstitüsü, insansı robotiklerde ilerleme kaydedilmesi için ATLAS ile yaptığı çalışmaların düzenli güncellemelerini ve gösterilerini yayınlamayı taahhüt ettiler. Bu şeffaflık, robotik ve AI araştırmalarına olan güveni güçlendirmek ve bu teknolojiler için sosyal kabulü teşvik etmek için önemlidir. Planlanan yayınlar sadece bilimsel topluluğu bilgilendirmekle kalmayacak, aynı zamanda insansı robotiklerin büyüleyici olasılıkları ve zorlukları için halka da ilham verecektir.
Ortak araştırma ve geliştirme ayrıntılı olarak
Boston Dynamics ve RAI Enstitüsü arasındaki işbirliği, birbirini yakından bağlantılı ve tamamlayan çeşitli araştırma ve geliştirme alanlarına ayrılmıştır:
Atlas için yaygın bir yeniden takip öğrenme eğitim eğitim boru hattının geliştirilmesi
Ortaklığın merkezinde, Atlas'ın ihtiyaçlarına ve becerilerine özel olarak uyarlanmış son teknoloji ürünü bir takviye öğrenme eğitimi boru hattının geliştirilmesi bulunmaktadır. Bu boru hattı, mobil manipülasyon için dinamik ve genelleştirilebilir davranış eğitimi için temel oluşturacaktır. Takviye öğrenme sürecinin tüm adımlarını, ödül fonksiyonlarının tanımlanmasından ve uygun algoritmaların seçiminden, simülasyon ortamlarının geliştirilmesine ve veri edinimine, gerçek robot üzerinde öğrenilen davranışın doğrulanmasına ve aktarılmasına kadar içerir.
Eğitim boru hattı, çeşitli görevlere ve ortamlara esneklik ve uyarlanabilirliği sağlamak için modüler olacaktır. Eğitimin verimliliğini ve sağlamlığını en üst düzeye çıkarmak için derin takviye öğrenimi, model tabanlı takviye öğrenimi ve çok ajan takviye öğrenimi gibi gelişmiş takviye öğrenme tekniklerini entegre edecektir. Özel bir odak noktası, Atlas'ın her adımı açıkça belirtmeden karmaşık görevleri öğrenmesini sağlayan ödül fonksiyonlarının geliştirilmesi olacaktır. Ödül fonksiyonları, robotun verimli, doğal ve insan benzeri hareketler ve etkileşimler geliştirmesi için rehberlik etmeyi amaçlamaktadır.
Sim-toal Transfer: Sanal ve Gerçek Dünya Arasındaki Köprü
Daha önce de belirtildiği gibi, SIM-toal transferi robotik için takviye öğrenmesinde en büyük zorluklardan biridir. Takımlar, simülasyonlar ve gerçek dünya arasındaki boşluğu kapatmak için yoğun bir şekilde çalışacak ve simülasyonlarda eğitilmiş davranışın başarılı ve güvenilir bir şekilde fiziksel donanıma aktarılabilmesini sağlayacaklar.
Bu, simülasyon ortamlarının iyileştirilmesini ve sağlam aktarım yöntemlerinin geliştirilmesini içeren çok katmanlı bir yaklaşım gerektirir. Simülasyon ortamları, sürtünme, temas, atalet ve diğer fiziksel etkilerin modellenmesi de dahil olmak üzere fiziksel gerçekliği daha hassas bir şekilde haritalamak için sürekli olarak geliştirilmiştir. Aynı zamanda, etki alanı randomizasyonu, sistem tanımlama ve uyarlanabilir kontrol gibi teknikler, simülasyonlarda eğitilmiş modelleri gerçek dünyanın imkanlarına daha dirençli hale getirmek için kullanılır. Amaç, simülasyondan gerçeğe sorunsuz bir geçiş yaratmaktır, böylece Atlas gerçek ortamlarda önemli performans kaybı olmadan sanal dünyada öğrenilen becerileri kullanabilir.
İnsansı robotiklerin geleceği için temel becerilere odaklanın
Ortaklık, insansı robotların gerçek ortamlarda pratik kullanımı için gerekli olan temel becerilerin geliştirilmesi ve geliştirilmesine odaklanmaktadır:
Geliştirilmiş Loco Manipülasyon: Hareket sırasında nesneleri işleyin
Atlas, aynı anda hareket ederken kapılar, anahtarlar, kollar, aletler ve diğer nesneler gibi nesneleri ve cihazları manipüle edebilmektir. Bu yetenek, endüstriyel otomasyondan lojistiğe, arama kurtarma operasyonlarına kadar çeşitli uygulamalar için çok önemlidir. Kaba bir arazide hareket eden ve aynı zamanda enkazları ortadan kaldıran veya hasarlı bir yapıyı onarmak için araçlar sunan Atlas'ı hayal edin.
Geliştirilmiş loco manipülasyonu, hareket planlamasını, sürükleme planlamasını ve güç seviyesini gerçek zamanlı olarak koordine eden algoritmaların geliştirilmesini gerektirir. Atlas, hareketlerini ve manipülasyonlarını manipüle ettiği nesnelerin şekli, boyutu, ağırlığı ve doğasına uyarlayabilmelidir. Buna ek olarak, algı ve çevredeki belirsizliklerle başa çıkabilmeli ve planlarını ve hareketlerini dinamik olarak uyarlayabilmelidir. Bu becerilerin geliştirilmesi, Atlas'ı çok çeşitli uygulamalar için çok daha çok yönlü ve daha kullanışlı bir araç haline getirecektir.
Tam Vücut İletişim Stratejileri: Karmaşık hareketler ve ağır yükler
Araştırmacılar, basit yürüyüş ve ulaşmanın ötesine geçen tam beden hareketlerinin geliştirilmesine odaklanıyorlar. Bu, dinamik koşu, atlama, tırmanma, kaldırma ve ağır nesneler ve sıkışık odalarda manipülasyon taşımayı içerir. Bu beceriler kollar, bacaklar ve gövde arasında yakın koordinasyon gerektirir ve karmaşık görevleri yönetmek için tüm vücudun sinerjisini kullanır.
Dinamik koşu ve atlama, Atlas'ın düzensiz arazide ve aşırı engellerde hızlı ve verimli bir şekilde hareket etmesini sağlar. Tırmanma menzilini genişletir ve zor alanlara erişim sağlar. Ağır nesneleri kaldırmak ve giymek onu lojistik ve inşaatta değerli bir yardımcı haline getirir. Sıkışık odalardaki manipülasyon, erişimi zor veya insanlar için tehlikeli ortamlarda kullanım sağlar. Tam vücut temas stratejilerinin geliştirilmesi, insansı form faktörünün tam potansiyelinden yararlanmak ve atlasın gerçekten çevik ve güçlü bir robot yapmak için çok önemli bir adımdır.
Pratik uygulama ve sürekli ilerleme kontrolü
Boston Dynamics ve RAI Enstitüsü arasındaki ortaklık, araştırma ve geliştirme çalışmalarınızın şeffaf ve uygulama odaklı bir uygulamasına büyük önem vermektedir:
Düzenli ilerleme raporları ve gösterileri
Boston Dynamics ve RAI Enstitüsü, işbirliğinin en son gelişmelerini ve başarılarını belgeleyen periyodik olarak ilerleme raporları yayınlamayı üstlendi. Bu raporlar sadece ilerlemenin yazılı açıklamalarını değil, aynı zamanda yeni edinilen becerileri harekete geçiren Atlas ile canlı gösterileri de içerecektir. Bu gösteriler videolar ve sunumlar şeklinde yayınlanır ve bilimsel topluluk ve genel halk tarafından erişilebilir hale getirilir.
Düzenli güncellemeler ve gösteriler çeşitli amaca hizmet eder. Bilim topluluğunun insansı robotikteki ilerlemeyi sürdürmesini ve birbirlerine ilham vermesini sağlarlar. Robot araştırmalarına şeffaflığı ve güveni teşvik ederler ve bu teknolojiler için sosyal kabulü artırmaya yardımcı olurlar. Buna ek olarak, Boston Dynamics ve RAI Enstitüsü'ne topluluktan geri bildirim alma ve araştırma yönlerini buna göre uyarlama fırsatı sunuyorlar.
İşbirliğinin Yeri: Massachusetts, ABD
Ortaklığın bir parçası olarak tüm araştırma ve geliştirme çalışmaları, her iki kuruluşun da karargahı olduğu Massachusetts'te gerçekleşir. Bu mekansal yakınlık, araştırma ekipleri arasında yakın işbirliğini ve doğrudan değişimi teşvik eder. Boston Dynamics ve RAI Enstitüsü ekipleri ortak laboratuvarlarda çalışıyor ve her iki kuruluşun kaynaklarını ve altyapılarını kullanıyor. Takımların ve kaynakların bu yakın entegrasyonu, ortaklığın başarısı için çok önemli bir faktördür ve sinerjilerin kullanılmasını ve araştırma ve geliştirme çalışmalarını verimli bir şekilde teşvik etmesini sağlar.
Atlasın Beklenen Yeni Becerileri: İnsansı Robotiklerin Geleceğine Bakış
Boston Dynamics ve RAI Enstitüsü arasındaki ortaklık nedeniyle, Atlas Robot'u daha da çok yönlü ve kullanışlı bir araç haline getirecek bir dizi çığır açan yeni beceri elde etmeyi amaçlamaktadır:
Geliştirilmiş hareketlilik ve manipülasyon: Çeviklik ve hareket halindeki hassasiyet
Dinamik hareket
Atlas, eşit olmayan arazide, karmaşık ortamlarda ve hatta dinamik senaryolarda daha da kararlı ve sıvı hareket edebilmelidir. Bu, koşu, atlama, tırmanma ve farklı yüzeylere ve koşullara gerçek zamanlı olarak uyum sağlama yeteneğini içerir. Dinamik hareket, Atlas'ın dengesini korumasına, engelleri aşmasına ve hareketlerini ilgili duruma uyarlamasına izin veren gelişmiş düzenleyici algoritmalar ve sensör veri füzyonu ile mümkün olmuştur.
Tam vücut manipülasyonu
Robot, ağır nesneleri tam ve verimli bir şekilde kullanabilmek, taşıyabilmek, taşıyabilmek ve manipüle etmek için tam gövde teması için gelişmiş stratejiler uygulayacaktır. Bu, ağırlığı stabilize etmek, dengeyi korumak ve nesneleri güvenli bir şekilde ele almak için çok gelişmiş bir kol, bacak ve gövde koordinasyonu gerektirir. Tam vücut manipülasyonu, Atlas'ın daha önce sadece depolarda, şantiyede veya felaket bölgelerindeki ağır yükleri hareket ettirme gibi insanlar için ayrılmış görevleri üstlenmesini sağlayacaktır.
Gelişmiş Çevre Etkileşimi: Dünya ile Akıllı Etkileşim
Nesne manipülasyonu
Atlas, kapılar, anahtarlar, kollar, vanalar, aletler, kaplar ve çok daha fazlası dahil olmak üzere, bölgesindeki çeşitli nesneleri ve cihazları manipüle etmeyi öğrenmelidir. Bu yetenek, insan ortamlarında hareket etmesini ve mevcut altyapı ile etkileşim gerektiren görevleri yerine getirmesini sağlayacaktır. Nesne manipülasyonu, nesneleri tanımak, bulmak ve tanımlamak için gelişmiş algılama becerilerinin yanı sıra, bunları güvenli ve verimli bir şekilde ele almak için sofistike sürükleme ve manipülasyon stratejilerini gerektirir.
Malzemelere ve yapılara uyarlanabilirlik
Robot, gücünü, hızını ve hareketlerini farklı malzemelere ve yapılara zarar vermeden veya yok etmeden otomatik ve akıllıca uyarlayabilecektir. Bu, robotların çeşitli yüzeyler, malzemeler ve nesnelerle karşılaşacağı gerçek dünya ile güvenli ve güvenilir etkileşim için çok önemlidir. Uyarlanabilirlik, ATLAS'ın etkileşimlerini gerçek zamanlı olarak izlemesini ve uyarlamasını sağlayan güç ve tork sensörleri, dokunsal sensörler ve gelişmiş düzenleyici algoritmalar kullanılarak elde edilir.
Öğrenme yeteneği ve genelleme: Gelecekteki yeniliklerin temeli
Takviye öğrenimi yoluyla daha verimli öğrenme:
Gelişmiş saflaştırma öğrenme tekniklerinin kullanılması, Atlas'ın yeni becerileri eskisinden çok daha hızlı ve verimli bir şekilde öğrenmesini sağlamayı amaçlamaktadır. Bu, öğrenmeyi hızlandıran algoritmaların geliştirilmesini içerir.
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.