Robot Performansını Artıran Bir Sistem Keşfedildi.

Robot Performansını Artıran Bir Sistem Keşfedildi.

Bilim Adamları Robotların Performansını Artıran Bir Sistem Buldular?

Son on yılda, makine öğrenimindeki ilerlemeler, kendi kendini süren araçlar, sanal asistanlar ve mobil robotlar da dahil olmak üzere, gittikçe özerk olan sistemlerin geliştirilmesini sağlamıştır. Diğer şeylerin yanı sıra, özerk sistemler geliştiren araştırmacıların, farklı ve tamamlayıcı tamamlayıcı görevlerle mücadele etmek için tasarlanmış bileşenleri entegre etme yollarını tanımlamaları gerekir.

Örneğin, bir insan kullanıcısının evinde elle yapılan görevleri tamamlayan bir robot , ortamındaki nesneleri algılayabilir ve aynı zamanda hareketlerini ve eylemlerini planlamak için kullanılabilecek bu nesneler hakkında bilgi alabilir. Aynı zamanda “algı-biliş-eylem” paradigması olarak da bilinen bu süreç, robotun yararlı stratejiler ortaya koymasına ve verimli bir şekilde yerine getirmelerine izin verdiği için çok önemlidir.

Şimdiye kadar robotlarda bu algı-biliş-eylem paradigmasını uygulamak için kullanılan çoğu yöntem, bu üç görevi, birbirleri için kara kutu görevi gören neredeyse tamamen bağımsız modüller olarak görüyor. Bununla birlikte, Almanya’daki Bremen Üniversitesi ve Münih Üniversitesi’ndeki bir araştırmacılar ekibi, bir robotun “algı” sistemini bilişiyle bağdaştırdığına inanmaktadır (yani, çevredeki nesneler hakkında “sebep” bulma veya bilgi alma kabiliyeti). Genel performansını önemli ölçüde artırabilir.

Bunu akılda tutarak, araştırmacılar son zamanlarda günlük robot manipülasyon görevlerinde mobil robotların performansını artırabilecek bilişsel bir algılama sistemi geliştirdiler . ROBOSHERLOCK adlı bu sistem, büyük miktarda veriyi analiz etmek için istatistiksel yöntemlerin kullanılmasını gerektiren bir strateji olan içerik analitiği (CA) yoluyla algılamayı sağlar.

ROBOSHERLOCK tarafından analiz edilen veriler “yapılandırılmamış” dır, yapısı bir veritabanı veya elektronik tabloda olduğu gibi onunla ilişkilendirilen semantikleri yansıtmaz. Böylece sistem, yapılandırılmamış bilgi yönetimi (UIM) olarak bilinen bir strateji kullanır; bu, temel olarak, büyük miktarda yapılandırılmamış veriyi (örneğin, metin belgeleri, ses dosyaları, görüntüler vb.) Bir dizi bilgi çıkarma algoritması kullanarak işleyebileceği anlamına gelir. Bu algoritmaların her biri, “uzmanlığına” bağlı olarak farklı bilgi türlerini çıkarır ve daha sonra tek bir tutarlı karara ulaşmak için puanlanır ve birleştirilir. Araştırmacılar çerçevelerini bir dizi testte değerlendirerek gerçek dünya sahnesi algısı için farklı sistemlere uyguladılar. Algoritmalarıyla elde edilen arka plan bilgisinin “muhakemesinin” (yani işlenmesi) ROBOSHERLOCK’un çok çeşitli soruları cevaplamasına izin verdiğini, bunun ötesinde çevre ortamında doğrudan algılanabileceğini buldular.

ROBOSHERLOCK’un araştırmacılar tarafından son çalışmalarında sunulan bileşenleri, temel işlevleri olarak görülebilir. Daha sonra, araştırmacılar sistemin bilişsel yeteneklerini artıran çeşitli uzantılar da geliştirdiler. Örneğin, sistemin insanları ve nesneleri aynı anda algılamasını, insanların gerçekleştirdikleri eylemleri ve bu eylemlerin arkasındaki niyetleri düşünmesini sağlayan bir uzantı oluşturdular.

Araştırmacılar “Daha yakın bir zamanda, ROBOSHERLOCK çerçevesinin, ajanların” hayal kurmasına “olanak tanıdığını ve en son teknolojiye sahip oyun motorlarını kullanmanın bir görevde farklılıklar üretip yeni algı modellerini öğrenmelerini sağladığını araştırdık.” “Bu uzantıların tümü, burada sunulan temel çerçeve olmadan mümkün olamayacak olan, bir robotun gerçekleştirdiği görevleri gerçekleştirme perspektifinden robot algısına bakar.”

  • Site İçi Yorumlar
  • Aşağıdaki Boş Yeri Doldurun *Captcha loading...