Boston Dynamics'in Atlas veya Spot gibi robotları, doğal ve yaşam benzeri çeviklikleri ve vücut dengeleriyle insanları her zaman şaşırtmıştır. Ancak bu robotların eksikliği, bu doğal hareketi algıyla hızlı bir şekilde birleştirebilme yeteneğiydi – yani bir topu yakalamanızı veya bir darbeden kaçmak için anında eğilmenizi sağlayan robotik refleksler.
Bu sorunu çözmek için İsviçre'deki ETH Zürih'ten bir bilim insanı ekibi harekete geçti. Proje lideri, yapay zeka destekli, badminton oynayan bir robot geliştiren robot bilimciye göre, 'Algıyı ve vücut hareketini birleştirmek istedim.'
Tüylü Topları Kovalarken
Araştırmacıların geliştirdiği robot, ANYmal adını taşıyor ve ağzında raket tutarak badminton oynayan minyatür bir zürafayı andırıyor. Bu robot, öncelikli olarak petrol ve gaz endüstrisi için robotlar üreten bir ETH Zürih yan kuruluşu tarafından geliştirilen dört ayaklı bir platform. Araştırmacı, 'Endüstriyel kalitede bir robottu.' dedi. Robotun bacaklarında elastik aktüatörler bulunuyordu, yaklaşık 50 kilogram ağırlığındaydı ve yarım metre genişliğinde, bir metreden kısaydı.
Robotun üzerine, bir raket tutacak ve sallayacak olan, ETH Zürih'in başka bir yan kuruluşu tarafından üretilen, birkaç serbestlik derecesine sahip bir kol monte edildi. Tüylü top takibi ve çevrenin algılanması stereoskopik bir kamera ile yapıldı. Araştırmacı, 'Donanımı entegre etmek için beş yıldır çalışıyoruz.' diye ekledi.
Donanımla birlikte, ekip robotun beyni üzerinde de çalışıyordu. Günümüz robotları genellikle, robotun dinamiğinin ve çevresinin matematiksel bir modeline dayanan, zaman alan ve karmaşık model tabanlı kontrol optimizasyonunu kullanır. Ancak araştırmacılara göre, 'Son yıllarda ise pekiştirmeli öğrenme algoritmalarına dayalı yaklaşım daha popüler hale geldi. Gelişmiş modeller oluşturmak yerine, robotu sanal bir dünyada simüle ettik ve kendi başına hareket etmeyi öğrenmesine izin verdik.'
ANYmal örneğinde, bu sanal dünya, dijital ikizinin raketle tüylü topları kovaladığı bir badminton sahasıydı. Eğitim, tekrarlanabilir birimlere bölündü ve her bir birim, robotun tüylü topun yörüngesini tahmin etmesini ve raketiyle art arda altı kez vurmasını gerektiriyordu.
Bu eğitim sırasında, gerçek bir sporcu gibi, robot fiziksel sınırlarını da tanıdı ve onlara göre hareket etmeyi öğrendi.
Hassasiyet mi Hız mı?
Kontrol algoritmalarını eğitmenin ardındaki fikir, insan badminton oyuncularına benzer görsel-motor beceriler geliştirmekti. Robot, sahanın etrafında hareket ederek tüylü topun bir sonraki nereye gidebileceğini tahmin etmeli ve iyi bir dönüş anlamına gelecek bir vuruş için tüm vücudunu, mevcut tüm serbestlik derecelerini kullanarak konumlandırmalıydı. Bu nedenle algı ve hareket dengesi bu kadar önemli bir rol oynadı.
Araştırmacı durumu şöyle açıkladı: 'Robotun bir dönüş yapmak için pozisyon aldığını hayal edin. Yavaş hareket ettiğinde, başarılı bir vuruş yapma şansı daha düşüktür. Hızlı hareket ettiğinde ise kamera sarsılır, bu da tüylü top takibindeki hata payını artırır. Bu bir denge ve biz robotun bu tür denge durumlarını çözmeyi öğrenmesini istedik.' Eğitim prosedürü, gerçek kamera verilerine dayanan bir algı modelini içeriyordu; bu model, robota gürültüyü ve ortaya çıkan nesne takip hatalarını hesaba katarken tüylü topu görüş alanında tutmayı öğretti.
Eğitim tamamlandıktan sonra, robot sahada kendini nasıl konumlandıracağını öğrendi. Başarılı bir dönüşten sonra en iyi stratejinin merkeze ve arka çizgiye doğru hareket etmek olduğunu fark etti; bu insan oyuncuların da yaptığı bir şey. Hatta gelen tüylü topu daha iyi görmek için arka ayakları üzerinde durduğu bir numara bile geliştirdi.
Ayrıca düşme kaçınmayı öğrendi ve sınırlı hızı göz önüne alındığında ne kadar risk almanın makul olduğunu belirledi. Robot, ciddi hasar potansiyeli yaratacak imkansız vuruşları denemedi – kararlıydı, ama intihar eğiliminde değildi.
Ancak nihayet insanlarla oynadığında, ANYmal'ın bir badminton oyuncusu olarak en iyi ihtimalle amatör olduğu ortaya çıktı.
Büyük Ligler
İlk sorun tepki süresiydi. Ortalama bir insan görsel uyaranlara yaklaşık 0.2–0.25 saniyede tepki verir. Eğitilmiş reflekslere, beklentiye ve kas hafızasına sahip seçkin badminton oyuncuları bu süreyi 0.12–0.15 saniyeye kadar düşürebilir. ANYmal'ın, rakip tüylü topa vurduktan sonra yörüngeleri kaydetmesi ve ne yapacağını anlaması yaklaşık 0.35 saniye sürüyordu.
Sorunun bir kısmı zayıf görüş yeteneğiydi. Araştırmacıya göre, 'Algı hala büyük bir sorun. Robot, stereoskopik kamera ile tüylü topun konumunu belirledi ve her zaman diliminde bir konumlandırma hatası oluşabiliyordu.' Kameranın ayrıca sınırlı bir görüş alanı vardı, bu da robotun tüylü topu harekete geçmeden önce yalnızca sınırlı bir süre görebildiği anlamına geliyordu. Araştırmacı kabul etti ki, 'Genel olarak, daha dostane maçlar için uygundu – insan oyuncu smaç yapmaya başladığında, robotun başarı oranı çok düşüyor.'
Ancak ekibin ANYmal'ı daha iyi hale getirmek için bazı fikirleri zaten var. Tepki süresi, tüylü topun kendisini görmeyi beklemek yerine rakibin vücut pozisyonuna göre yörüngeyi tahmin ederek iyileştirilebilir – bu, seçkin badminton veya tenis oyuncuları tarafından yaygın olarak kullanılan bir teknik. ANYmal'ın algısını geliştirmek için ekip, mikro saniye aralığında ultra düşük gecikmelerle hareketi kaydeden görüş sensörleri olan olay kameraları gibi daha gelişmiş donanımlar takmak istiyor. Diğer iyileştirmeler arasında daha hızlı, daha yetenekli aktüatörler bulunabilir.
Araştırmacı, 'Önerdiğimiz eğitim çerçevesinin, algı ve kontrolü dengelemek gereken herhangi bir uygulamada faydalı olacağını düşünüyorum. Nesneleri toplamak, hatta bir şeyler yakalamak ve atmak gibi.' diye önerdi. Ne yazık ki, ANYmal'ı badminton veya teniste büyük liglere taşımak neredeyse kesinlikle mümkün değil. Araştırmacı, 'Badminton oynayan robotlar satan bir şirket kurar mıydım? Belki hayır,' dedi.
Bu araştırma, bilimsel bir dergide yayınlanarak bilim dünyasıyla paylaşıldı.
