Veri tabanına başvuruyor
Robotların nesneleri düşürmeden kavramalarını sağlamaya çalışmak, oldukça pratik gerektirir. Fakat UC Berkeley ve Siemens’in geliştirdiği yeni bir robot, üç boyutlu şekillerle ilgili veri tabanını inceleyerek yeni nesneleri nasıl kavraması gerektiğini öğrenebiliyor.
Robot, 3 boyutlu bir sensöre ve araştırmacıların nesne resimleriyle besledikleri bir derin-öğrenme nöral ağına bağlıdır. Araştırmacılar aynı zamanda nesnelerin şekilleri, görsel görüntüleri nasıl kavranacaklarının fiziksel açıklamasını da sisteme yüklediler. Böylece robotun önüne yeni bir nesne konulduğunda veritabanında mevcut olan benzer bir objeyle eşleştirmesi yeterli oluyor.
Robot yeni nesneyi kavrayabileceği konusunda kendisine olan güveni yüzde ellinin üzerinde olduğunda nesneyi %98’lik bir başarıyla kavrıyor ve düşürmüyor. Eğer kendine olan güveni yüzde ellinin altına düşerse öncelikle nesneyi kurcalıyor ve nasıl kavrayabileceğine dair bir strateji geliştiriyor. Bu gibi durumlarda robotun tek seferde objeyi kaldırma şansı %99 oranında. Yani küçük bir gözden geçirme ile kendine olan güvenini kazanıyor.
Bu robot eğitim yöntemi, makine öğreniminde önemli oranda zaman tasarrufu sağlayabilir ve robotların daha becerikli robotların üretimine katkıda bulunabilir. Projede çalışan postdoktora araştırmacısı MIT Technology Review’a şöyle dedi “Gerçek bir robotu aylarca fiziksel denemelere tabi tutmaktansa nöral ağlar için bir gün gibi kısa bir süre içerisinde yeterli eğitim verisini üretebiliyoruz.”
Günümüzde fabrikalarda kullanılan robotlar bilinen objelere muamelede son derece hassas ve tutarlılar. Fakat yeni nesnelerle karşılaştıklarında uygun ayarlamayı yapamıyorlar. Bu eğitme stratejisinin verimliliği ve robotun kavramadaki başarısı yeni metodu gelecekte ticari kullanım için ideal kılıyor.
