Araştırmacılar Sergey Levine ve Karol Hausman, farklılıklarına bakılmaksızın herhangi bir robota kontrol yeteneği kazandıracak tek bir süper-beyin oluşturmayı hedefleyen devrim niteliğinde bir proje olan RT-X projesini açıkladı. Levine ve Hausman, 2023 yılında Kuzey Amerika, Avrupa ve Asya’daki diğer 32 robot laboratuvarı ile işbirliği yaparak bu hırslı projeyi başlattı.
Geleneksel olarak, robotikler kontrol için üreteç yapay zekaya dayanıyordu, ancak bu yaklaşım, robot-dünya etkileşimleri hakkında sınırlı miktarda veri olması nedeniyle başarısız oluyordu. Araştırmacılar, genellikle laboratuvar ortamlarında belirli görevler için yavaş ve monoton bir şekilde üretilen, robotlar tarafından üretilen verilere ihtiyaç olduğunu fark etti, bu da sınırlı uygulanabilirlik ve işlevselliğe yol açıyordu.
Bu zorluğun üstesinden gelmenin anahtarı, farklı robotlardan gelen verileri paylaşarak yeni makinelerin kolektif deneyimlerden öğrenmesini sağlamaktır. RT-X veri seti, pazarda bulunan popüler robotik kol gibi 22 farklı robot türünü içeren neredeyse bir milyon robot denemesini kapsıyor. Levine ve Hausman deneyler sırasında ilginç bir keşif yaptılar: bu çeşitli robot verisine dayalı olarak eğitilen derin sinir ağı, büyük ölçekli makine öğrenme modelleri ile birleştirildiğinde herhangi bir özel ayara ihtiyaç duymadan çeşitli robotları kontrol edebilir.
Dikkat çekici bir şekilde, RT-X veri setinden geliştirilen model, robotun kamerasından alınan görsel girdiye dayanarak kontrol ettiği robotun türünü belirleyebilir. Örneğin, kamera bir UR10 endüstriyel kol yakalarsa, model o spesifik robota özelleştirilmiş komutlar gönderir. Benzer şekilde, daha ucuz bir WidowX hobi kol tespit edilirse, model kontrolünü buna göre uyarlar.
Modelin etkinliğini değerlendirmek için RT-X projesine katılan beş laboratuvar, kendi kontrol sistemlerini karşılaştırdı. Şaşırtıcı bir şekilde, tek bir model, her laboratuvarın yönteminin üzerine çıkarak görevleri ortalama %50 daha sık tamamladı.
RT-X projesi, robotik topluluğu içinde işbirliğinin gücünü örneklemektedir. Levine ve Hausman, bu girişimin daha da genişleyerek veri standartlarını, yeniden kullanılabilir modelleri ve yeni algoritmaları ve metodolojileri kurmaya yönelik bir ekip çalışmasına dönüşeceğini hayal etmektedir. Küresel robot-öğrenme topluluğunun birleşik bilgi ve kaynaklarını kullanarak, robotikteki gelişmeler ve çığır açıcı adımlar gerçekten sınırsız bir potansiyele sahiptir.
The source of the article is from the blog scimag.news