Yapay zeka robotikte nasıl kullanılır?

Yapay zeka robotiği, bazen fiziksel yapay zeka veya embodied AI olarak da adlandırılır; makinelerin fiziksel dünyada çalışmasına yardımcı olmak için yapay zekanın kullanılmasıdır. Sistem yalnızca metin ya da görüntü üretmez; algı, akıl yürütme ve eylemi birbirine bağlamak zorundadır.

Bir robot çevresini anlamak için kameralar, derinlik sensörleri, kuvvet sensörleri, mikrofonlar veya konum sensörleri kullanabilir. Yapay zeka modelleri bu sinyalleri yorumlamaya, nesneleri tanımaya, talimatları izlemeye, yol planlamaya, kavrama biçimi seçmeye veya bir eylemin güvensiz olup olmadığını belirlemeye yardımcı olur.

Bu, her robotun genel amaçlı bir insansı robot olduğu anlamına gelmez. Bugün yararlı robotların çoğu hâlâ uzmanlaşmıştır: fabrika kolları, depo robotları, denetim sistemleri, cerrahi araçlar, dronlar, otonom araçlar, teslimat robotları veya servis makineleri. Yapay zeka neyi algılayıp neye uyum sağlayabileceklerini genişletir, ancak donanım ve ortam hâlâ belirleyicidir.

Bir robot için algı, ham sensör verisini ortam hakkında işe yarar bir anlayışa dönüştürmek demektir. Kamera görüntüsü tek başına piksellerdir. Lidar taraması yalnızca mesafelerdir. Kuvvet sensörü sadece sayılardır. Yapay zeka bu sinyalleri nesnelere, yüzeylere, engellere, insanlara, araçlara ve görevin durumuna dönüştürmeye yardımcı olur.

Bilgisayarlı görü modelleri bir montaj hattındaki parçaları tespit edebilir, kusurları inceleyebilir, derinlik tahmin edebilir, hareketli bir nesneyi izleyebilir veya robot tutucunun nereden yaklaşması gerektiğini belirleyebilir. Çok modlu modeller görüntüleri dil talimatlarıyla birleştirebilir; özel algı modelleri ise düşük gecikmeli kararlar için robot donanımında yerel olarak çalışabilir.

Algı aynı zamanda belirsizliğin başladığı yerdir. Işık değişimleri, yansımalar, kapanmalar, toz, dağınıklık ve alışılmadık nesneler modeli yanıltabilir. Güvenilir bir robotun her algı sonucunu doğru varsaymak yerine güven kontrollerine, yedek davranışlara ve güvenlik katmanlarına ihtiyacı vardır.

Yapay zeka robotiğinde en aktif alanlardan biri doğal dili eylemlere bağlamaktır. Bir kişi "mavi kutuyu al" veya "bu parçaları denetim tepsisine taşı" diyebilir. Robot bu talimatı nesnelere, koordinatlara, hareket planlarına ve kontrol komutlarına çevirmek zorundadır.

Görü-dil-eylem modelleri bu köprüyü kurmak için tasarlanır. Görsel girdi ve dil talimatı alıp bir eylem veya eylem dizisi üretebilirler. Pratikte bu modeller genellikle tüm robotik yığını değiştirmek yerine daha düşük seviyeli denetleyiciler, güvenlik kısıtları ve robota özgü yazılımlarla birlikte çalışır.

Bu yüzden yapay zeka robotiği bir chatbottan farklıdır. Yanlış bir cümle düzeltilebilir, ancak yanlış bir hareket ekipmana zarar verebilir veya insanları riske atabilir. Yapay zeka modeli, eylemleri yürütmeden önce ve yürütme sırasında doğrulaması gereken daha büyük bir sistemin yalnızca bir katmanıdır.

Robotlar insan gösterimleri, teleoperasyon, sensör günlükleri, videolar, sentetik sahneler, simülasyon ortamları ve gerçek dünya denemeleri gibi birçok veri türünden öğrenebilir. Amaç, modelin tek bir kusursuz senaryonun dışındaki görevleri de ele alabilmesi için yeterli çeşitliliği göstermektir.

Simülasyon özellikle önemlidir, çünkü fiziksel robot verisi toplamak yavaş, pahalı ve bazen risklidir. Simüle edilmiş bir depo, laboratuvar tezgahı veya fabrika hücresi birçok örnek üretebilir, nadir uç durumları test edebilir ve politikaları gerçek donanıma dağıtmadan önce eğitebilir.

Zor kısım aktarımdır. Simülasyonda çalışan bir davranış, gerçek bir tutucu kaydığında, nesne beklenenden ağır olduğunda veya ışık değiştiğinde başarısız olabilir. Bu nedenle robotik ekipleri simülasyonu gerçek veriler, değerlendirme, fine-tuning ve temkinli dağıtımla birleştirir.

Yapay zeka destekli robotlar, görevlerin tekrarlı, yapılandırılmış veya güvenlik açısından kritik olduğu ortamlarda şimdiden kullanışlıdır. Üretim robotları parçaları denetleyebilir, montaja yardımcı olabilir veya malzeme taşıyabilir. Depo robotları koridorlarda hareket edebilir, envanter taşıyabilir ve sipariş karşılama iş akışlarını destekleyebilir.

Robotlar tarım, madencilik, lojistik, tıp, laboratuvar otomasyonu, altyapı denetimi ve kamu güvenliği alanlarında da kullanılır. Çoğu durumda en değerli sistem bir insansı robot değil, sınırlı bir ortamda tek bir işi güvenilir şekilde yapan uzmanlaşmış bir robottur.

İnsansı robotlar, insanlar için tasarlanmış alanlarda çalışabilme ihtimali nedeniyle dikkat çeker. Ancak geniş ölçekte dağıtılmaları hâlâ zordur. Denge, beceri, pil ömrü, maliyet, güvenilirlik ve güvenlik; modeller ve donanım gelişse bile büyük kısıtlar olarak kalır.

Dijital yapay zeka sistemleri tamamen veri merkezleri ve yazılım ürünleri içinde çalışabilir. Robotik ise sürtünme, ağırlık, kuvvet, değişen ışık, düz olmayan zeminler, kırılgan nesneler, hareket eden insanlar ve yıpranan donanım gibi fiziksel dünya sorunlarıyla uğraşır.

Gecikme de önemlidir. Bir robotun saniyeler içinde değil, milisaniyeler içinde tepki vermesi gerekebilir. Bazı çıkarımlar bulutta yapılabilir, ancak bağlantı sınırlı olduğunda bile sistemin duyarlı kalması için birçok karar cihaz üzerinde veya robota yakın yerde çalışmalıdır.

Güvenlik bir başka büyük farktır. Bir robotik sistem sensörlere, acil durdurmalara, doğrulanmış denetleyicilere, izinlere, fiziksel sınırlara ve insan gözetimine ihtiyaç duyar. Daha yetenekli yapay zeka modelleri robotları daha esnek hale getirebilir, ancak mühendislik disiplininin yerini tutmaz.

Yön açık: robotik, daha fazla görevde genelleme yapabilen, daha az gösterimden öğrenebilen ve farklı robot gövdelerine uyum sağlayabilen modellere doğru ilerliyor. Açık robotik veri kümeleri, simülasyon araçları ve robot temel modelleri denemeyi kolaylaştırıyor.

Yakın vadede en olası ilerleme tek bir evrensel ev robotu değildir. Depolarda, fabrikalarda, laboratuvarlarda, hastanelerde, çiftliklerde, denetim iş akışlarında ve araçlarda daha iyi otonomi; ayrıca insansı robotlar ve mobil manipülatörler için daha yetenekli araştırma platformlarıdır.

Yapay zeka robotiği altyapı talebini de artıracaktır. Robot modellerini eğitmek simülasyon, GPU, depolama ve değerlendirme hatları gerektirebilir. Robotları dağıtmak edge çıkarım çipleri, ağ, izleme ve güvenilir yazılım güncellemeleri gerektirebilir. Bu nedenle fiziksel yapay zeka; modeller, çıkarım, GPU’lar ve veri merkezleriyle aynı altyapı hikayesinin parçasıdır.