Akıllı telefonlarımızı yenilerken verilerimizin yeni cihaza sorunsuz bir şekilde aktarılması artık sıradan bir durum. Ancak robotik dünyasında, eski bir robot kolunu yenisiyle değiştirmek, her şeyi sıfırdan kurmak anlamına geliyordu. Bu durum, İsviçre Federal Teknoloji Enstitüsü Lozan (EPFL) bünyesindeki bir araştırmacı ekibinin geliştirdiği 'Kinematik Zeka' adlı bir çerçeve ile değişiyor. Bu sistem, robotlar arasındaki geçişleri akıllı telefonlardaki veri aktarımına benzetiyor. Geliştirilen bu yenilik, yakın zamanda Science Robotics dergisinde yayınlanan bir makalede detaylandırıldı.
Öğrenilen Becerilerin Paylaşımı Mümkün Mü?
Yıllardır robotik alanında, robotlara yeni beceriler kazandırmanın yolu, onlara ne yapacaklarını kod yazarak anlatmak yerine, göstererek öğretmekten geçiyor. Bu yaklaşımda, robot kolu fiziksel olarak yönlendiriliyor veya uzaktan kumanda edilerek masayı silme, kutuları istifleme veya bir araba parçasını kaynaklama gibi görevler öğretiliyor. Ancak sorun şu ki, bu şekilde öğretilen becerilerin çoğu, eğitiminin yapıldığı özel robotla sınırlı kalıyordu. Robotik teknolojisi hızla ilerlerken, farklı tasarımlara sahip yeni robot modelleri ortaya çıkıyor. Bu durum, robotikçiler için yeni zorluklar doğuruyor. Eğer yeni bir robotun bağlantı kolları biraz daha uzunsa, eklem yönelimi farklıysa veya daha karmaşık bir yapıya sahipse, önceden öğretilen davranışlar anında bozuluyor ve yeni robot bu görevi yerine getirirken titreyebilir, donabilir veya hata verebilir. Yeni tasarımlar farklı yetenekler ve kısıtlamalar getirse de, bu kısıtlamalara uyum sağlayarak insan gösterimini doğru bir şekilde taklit etmek gerekiyor. Günümüzde, bir robottan diğerine beceri aktarımı genellikle her şeyi sıfırdan başlatıp tüm sistemi yeniden eğitmek anlamına geliyor.
Tehlikeli Bölge ve Teknoloji Çözümü
Bir robot uzayda bir görevi yerine getirirken hareket ettiğinde, eklemlerini nasıl bükmesi gerektiğini sürekli olarak hesaplayarak hedef noktasını (robotik dünyasında el gibi düşünebileceğimiz uç etkileyici) doğru yolda tutmalıdır. Robot, fiziksel bir sınıra veya daha kötüsü, robotikte matematiksel bir tehlike bölgesi olarak kabul edilen 'tekilliğe' çarpmaktan kaçınmalıdır. Tekillik, robot eklemlerinin geçici olarak bir serbestlik derecesini kaybettiği fiziksel bir konfigürasyondur. Bu tür pozisyonlarda, robotun hareketi kararsız hale gelebilir veya kontrolden çıkabilir. İnsan terminolojisinde bu, ağır bir şeyi iterken dirseklerin tamamen düzleştiğinde kilitlenmesine benzer bir durumdur ve bu anlarda kollar yanlara doğru hareket edemez.
Bir robottan diğerine beceri aktarımının zorluğu, farklı yapıdaki robotların genellikle farklı tekillik topolojilerine sahip olmasından kaynaklanır. Bir robotun algoritması bir yolu körü körüne takip edip bir tekilliğe ulaştığında, eklemlerini kontrol eden matematiksel formüller başarısız olur. Robot, örneğin bir eklemi sonsuz hızda döndürmeye çalışabilir, bu da ani ve tehlikeli bir harekete yol açar. Gupta ve ekibi, bu sorunu robotlara kendi fiziksel sınırlamalarının derin, doğuştan gelen matematiksel bir farkındalığını kazandırarak çözdü. Bu 'Kinematik Zeka', bir kullanıcının bir beceriyi yalnızca bir kez göstermesi ve bu becerinin tamamen farklı bir tipteki robot tarafından güvenli bir şekilde gerçekleştirilmesini sağlıyor. Şaşırtıcı bir şekilde, bu yenilik yapay zeka kullanılmadan geliştirildi.
Kesinlik Arayışı ve Yapay Zekasız Çözüm
Geleneksel olarak mühendisler, tekilliklerle yazılım düzeltmeleri yoluyla başa çıkmaya çalıştılar. Robotun uç etkileyicisinin hedef konumundan geriye doğru çalışarak oraya ulaşmak için gereken tüm eklem konumlarını haritalayan karmaşık matematiksel formüller olan ters modelleri oluşturdular. Ardından, robotun başını belaya sokmasını önlemek için güvenlik filtreleri veya düzeltmeler eklediler. Daha yeni, veri odaklı yapay zeka yaklaşımları daha az çaba ve uzmanlık gerektirse de, eğitim aşamasında kontrol yazılımının kullanılacağı her robota erişim gerektirir. Ayrıca, yapay zekanın tutarsız bir şeyler yapabilen olasılıksal veya kara kutu doğası potansiyel olarak felaketle sonuçlanabilir. Gupta'nın ekibi olasılıklar yerine kesinlik istedi ve farklı bir yaklaşım benimsedi.
Robotun mekanik kısıtlamaları eğitimden sonra düzeltilmeye çalışılmak yerine, bu kısıtlamalar en başından kontrol politikasına doğrudan gömüldü. Günümüzdeki birçok ticari robotun temel yapı taşları olan üç dönerli (temel olarak üç eklemli robot kolları) robotlara odaklanıldılar. Robotların bağlantı uzunlukları ve eklem ofsetleri gibi parametrelerinin cebirsel analizi yoluyla, eklem uzaylarında tekilliklerin tam olarak nerede bulunduğunu haritaladılar. Bu tekillikler, eklemlerin sert sınırlarıyla birlikte, robotun olası hareket alanını araştırmacıların 'alanlar' adını verdikleri uygun bölgelere ayırır. Bu alanların topolojisine bakarak, araştırmacılar üç dönerli robotları altı kategoriye ayırdılar. Bu sayede, belirli bir robotun bu altı kategoriden hangisine girdiğini bildiklerinde, fiziksel sınırlamalarının kesin yapısını - tehlike bölgelerinin tam bir haritasını - anında biliyorlar.
Bu harita ile donatılmış Kinematik Zeka çerçevesi, robotların ekibin 'iz döngüsü' adını verdiği bir strateji kullanarak tekilliklerden kaçınmasını sağlıyor. Kategori sınıflandırmasına dayanarak robot, fiziksel sınırlarını biliyor, bu da çarpışmasını önlüyor ve hareketi dinamik olarak tekillik sınırının kenarından güvenli bir şekilde kayarak veya geçerek yeniden yönlendiriyor. Robot, görevi tamamlamak için nominal yola güvenli bir şekilde yeniden girebileceği güvenli bir konfigürasyon bulana kadar bu sınırı dikkatlice takip ediyor. Ekip, fikirlerinin arkasındaki matematiğin doğru olduğundan emin olduktan sonra, çerçevelerini çeşitli makineler üzerinde test ettiler ve başarılı oldu.
Robotik Ekip Çalışması
Deneysel kurulum, dar eklem limitlerine sahip kompakt bir 6 serbestlik dereceli Duatic DynaArm, orta seviye limitlere sahip 7 serbestlik dereceli bir KUKA LWR IIWA 7 ve çok daha rahat sınırlara sahip 7 serbestlik dereceli bir Neura Robotics Maira M'yi içeriyordu. Bu makinelerle araştırmacılar, üç farklı robot kolunun bir dizi görevi tamamlamak üzere işbirliği yaptığı sahte bir çoklu robot montaj hattı oluşturdular. Başlangıçta, bir insan art arda üç becerinin tek bir gösterimini gerçekleştirdi: Bir konveyör bandından bir şeyi itme, onu alıp bir çalışma tezgahına koyma ve sonra tekrar alıp bir sepete atma. Tüm bu eylemler daha sonra robotlara dağıtıldı, böylece her robot onlardan birini gerçekleştirdi: DynaArm itme işlemini, KUKA alma ve yerleştirme işlemini ve Neura alma ve atma işlemini yaptı. İtme ve atma hareketleri robotları fiziksel çalışma alanlarının sınırlarına yaklaştırmış ve alma-yerleştirme manevrası karmaşık iç matematiksel kontroller gerektirmiş olsa da, üç makine de tek bir insan gösterimi aracılığıyla işlevsel bir politika öğrenmeyi başardı. Ardından robotlar karıştırıldı. Yeniden eğitim olmaksızın, ekip robotların konumlarını ve görevlerini değiştirdi. Kinematik Zekalarının, KUKA'nın itme, DynaArm'ın atma, Neura'nın alma ve yerleştirme sorumlusu olduğu ve diğer tüm olası konfigürasyonlarda dizinin tamamlanmasını mümkün kıldığı ortaya çıktı. Gupta, bu teknolojiyi endüstriyel montaj hattına taşımak için mevcut ana zorluğun olduğunu belirtse de, ekibin hala çözmesi gereken birkaç detay olduğunu kabul etti.
Tak-Çalıştır Robotik
Kinematik Zeka çerçevesi mekanik olarak güvenli hareketi garanti ederken, şu anda öngörülemeyen ortamlar için gerekli olan gelişmiş algılama ve bağlama duyarlı karar verme yeteneklerinden yoksun. Araştırmacılar, sistemin tekillikler ve eklem limitleri gibi bir robotun dahili fiziksel kısıtlamalarını kusursuz bir şekilde ele aldığını kabul etse de, etkileşimde bulunduğu nesnelerin inceliklerini doğal olarak anlayacak donanıma henüz sahip değil. Örneğin, sistem şu anda dolu bir konteyneri hareket ettirmek (yavaş, dikkatli kullanım gerektirir) ile boş bir konteyneri hareket ettirmek (hızlı bir şekilde hareket ettirilebilir) arasındaki farkı ayırt edemiyor. Dahası, insan komutlarını kahve hazırlaması istendiğinde bıçağı kavramamak gibi sağduyu ile entegre etmek için üst düzey bilişsel güvenlik kontrollerinin entegrasyonunu gerektiriyor.
Kinematik Zeka'nın kontrollü laboratuvar deneylerinden fabrika zeminlerine geçiş yapmadan önce aşılması gereken bir diğer engel, insanların sürekli ve öngörülemeyen bir şekilde hareket ettiği dinamik alanlarda güvenli bir şekilde gezinmelerini sağlayacak gelişmiş çevresel algılamanın entegrasyonudur. Ek olarak, yazılım çerçevesi mevcut endüstriyel robotlarda zaten doğrulanmış olsa da, tıpta olduğu gibi daha hassas alanlarda konuşlandırılması şu anda donanım sınırlamaları nedeniyle darboğazlarla karşılaşıyor. Salunkhe, bu teknolojinin tıbbi senaryolarda konuşlandırılması hakkında konuşurken, önümüzdeki beş yıl içinde bunu mümkün kılacak mekanik olarak daha güvenli robotlar göreceğimize inanıyor. Bizim çerçevemiz bu tür yeni tasarımlara hemen uyarlanabilir, bu yüzden şimdi bu robotları bekliyoruz.
Gupta ve Salunkhe'nin robot beceri paylaşımı üzerindeki çalışmaları Science Robotics'te yayınlanmıştır.
