Büyük bir ilerleme! Pekin araştırma ekibi dünyanın ilk 'kuvvet-konum hibrit kontrol algoritmasını' önerdi

Son zamanlarda Çinli araştırma ekipleri, robot algoritmaları alanında önemli ilerlemeler kaydetti ve dünyada ilk kez 'kuvvet-konum hibrit kontrol algoritması' adı verilen birleşik bir teori önerdi. Bu algoritma kuvvet sensörlerine dayanmaz; böylece robot, konum ve kuvvet kontrolünü aynı anda öğrenebilir. İlgili görevlerde başarı oranı, yalnızca konum kontrolü kullanan stratejeye kıyasla yaklaşık %39,5 oranında artmıştır. Daha dikkat çekici olan ise ilgili makalelerin şu anda Uluslararası Robot Öğrenimi Konferansı’nda (International Robot Learning Conference) En İyi Makale Ödülü’nü kazanmış olmasıdır; bu ödül, kurulduğu günden beri bir Çinli bilge ekibinin ilk kez kazandığı ödüldür.
Pekin Genel Yapay Zeka Araştırma Enstitüsü'nün deneysel alanında, bu yeni algoritmayla donatılmış bir dört ayaklı mekanik köpek, beyaz tahtaları düzenli bir şekilde silme eğitim görevini yerine getiriyor. Araştırmacılar, bu pratik senaryoyu, gazetecilere "kuvvet-konum karma kontrol algoritması"nın temel ilkelerini ve öne çıkan avantajlarını açıklamak için kullandı.
Pekin Genel Yapay Zeka Araştırma Enstitüsü'nden araştırmacı Jia Baoxiong: Ana akım görsel dil eylem modelleri, aslında kamera tarafından çekilen fotoğrafları girdi olarak alır ve ardından trajektöri tahmini yapar. Bu trajektöri, robotun silme sürecinde beyaz tahtaya tam olarak uyum sağlamasını engelleyebilir; bu da yazının silinmemesine neden olabilir. Kuvvet-konum karışık kontrol modelimizde, kuvvet boyutunu mümkün olduğunca doldurmaya çalışıyoruz; böylece hassas konumlama temelinde beyaz tahtaya baskı uygulama etkisi elde ediyoruz. Bu sayede robot, beyaz tahtaya sıkıca yapışarak üzerindeki yazıları silebilir. Başka bir deyişle, orijinal görsel dil eylem modelinde kuvvet boyutunu yalnızca düzleştirmekle kalmadık, aynı zamanda kuvvet ve konum kontrolünü eşzamanlı olarak karıştırma etkisini de başardık.
Araştırmacılar, yaygın olarak kullanılan görsel dil eylem modellerinin gerçek yaşamda birçok görevi yerine getirmede yetersiz kaldığını belirtiyor. Temel sorun, bu görevlerin çoğunun karmaşık temas senaryolarını içeriyor olmasıdır; örneğin bir tahtayı silerken robot kolu yüzeye yapışmalı ve uygun basıncı korumalıdır, anahtar kutusu kapısı içteki itme-çekme yay yapısını doğru algılamalıdır ve robot sadece "gittiği yere gider ve uzattığı yere elini uzatır" değil, aynı zamanda "ne kadar kuvvet uygulanması gerektiğini anlar". 'Kuvvet-konum hibrit kontrol algoritması'ndan önce tüm bu durumlar kuvvet sensörleriyle çözülmek zorundaydı.
Pekin Genel Yapay Zeka Araştırma Enstitüsü'nden araştırmacı Jia Baoxiong: Kuvvet sensörleri aslında sabit robot kollarına daha sık eklenir ve bu durum kurulumu daha karmaşık ve pahalı hale getirir. Kuvvet-konum karışık kontrol modeli, geleneksel VLA modeline (görsel dil eylem modeli) kıyasla kuvvet gerektiren bu tür görevlerde başarı oranını neredeyse %40 artırarak iyileştirme sağlamıştır.