Robotlar Artık Eğitime İhtiyaç Duymayacak!
Canlıların yürümeye başlaması veya uçmaya başlaması haftalarını, bizim bacaklarımızı kullanabilmemiz ise aylarımızı alır. Peki bir robot, kolunu kullanmayı kendi başına öğrenebilmek için ne kadar zaman harcar? Detaylar haberimizde.
11.03.2019 tarihli yazı 5549 kez okunmuştur.
1956 yılında İngiltere'de New Hampshire'da Dartmouth College’da yapılan bir konferansta ''yapay zeka" terimi ilk defa kullanıldı. Daha sonra 1997 yılında Deep Blue’nun satranç ustası Garry Kasparov’u mağlup etmesiyle işler iyice kızıştı Kasparov, karşısında yapay zekanın değil de bir insanın oynadığını iddia etti ve yapay zekanın gücünü ilk defa hissetmeye başladık.
Günümüzde ise Columbia Mühendislik araştırmacıları, yapay zeka yardımıyla hiçbir şey öğretilmeden bir robot kolun, yapabileceklerinin farkına varmasını ve hatta kendini onarabilmesini sağladı. Robot kollar eklemli robot kol, kartezyen koordinatlı robot kol, scara robot kollar gibi birçok şekilde üretilebilir ve kullanım amaçları farklıdır. Bu yazımızda eklemli robot kolun yapay zekayla tanışınca neler yapabildiğini göreceğiz.
►İlginizi Çekebilir: Yapay Zeka, Makine Öğrenimi Ve Derin Öğrenme Nedir?
Eklemli Robot Kol
Eklemli robot kolun en az 3 tane bağımsız hareket edebilen eklemi vardır. Eklemler birbirlerine bağlı parçaların bağıntılı hareket etmesini sağlar. Bütün eklemler ayrı bir servo motor ile kontrol edilir. Bu hareketlerin çözümü için robot kolu kinematiğinden yararlanılır.
Ardışık iki uzvun birbirlerine göre konumları ve açıları iki eklem parametresi ile belirlenir. Yönlendirme yapılırken her eklemin ilk hareket noktası başlangıç kabul edilir ve hareket sonucunda oluşan yeni konum en alt eklemden en üste kadar kaydedilir. Daha sonra bu yapılardan 3x3 ve 4x4’lük matrisler elde edilerek kinematik hesapları yapılır.
Yapay sinir ağları ile insan beyninin yapısına benzerlik gösteren algoritmalar bütünü olan derin öğrenme metoduyla programlanan robot kol, eklemlerini nasıl kullanabileceğini anlamak adına binlerce hata yaptı. İlk başta hiçbir şey bilmeyen robot kol, bir süre anlamı olmayan rastgele hareketler sergiledi.
Yaklaşık 35 saatlik bir sürenin sonunda robot kol kendi başına belirli konumlarda eklemlerini kıpırdatabilmeyi ve ilk konuma geri dönebilmeyi öğrendi. Bu eklem döngülerini hafızasına kaydetti. Daha sonra robot kol etraftaki belirli nesneleri toplayarak bir kabın içine sıfır hatayla koymayı başardı.
Robot, dışarıdan geri bildirim almaksızın tamamen kendi başına kullanıldığında ise nesneleri alıp yerleştirme görevini yüzde 44 başarı ile tamamlayabildi. Aynı zamanda robot kola kalem tutturuldu ve yazı yazması da sağlandı.
Robot kolun değişikliklere olan adaptasyonunu test etmek için araştırmacılar hatalı bir parça basıp kola monte etti. Robot değişikliği algıladı ve farklı kol yapısına göre eklem hafızalarını yeniden eğitti. Bu yeni döngü hafızasıyla robot, çok az bir performans kaybıyla görevleri yerine getirmeye devam edebildi.
Robotların bu tarz mekanik hareketleri ve eklem kullanımlarını insanlara nazaran çok daha hızlı öğrenebildiklerini görüyoruz. Bilim insanları robotların kendi zihinlerini modelleyebilmeleri üzerine çalışmalara devam ediyor ve derin öğrenme metodu hızla ilerliyor çok yakında kendi derin öğrenme algoritmasını kendisi yazan robotların üretilmesi hedeflenmekte.
Ardışık iki uzvun birbirlerine göre konumları ve açıları iki eklem parametresi ile belirlenir. Yönlendirme yapılırken her eklemin ilk hareket noktası başlangıç kabul edilir ve hareket sonucunda oluşan yeni konum en alt eklemden en üste kadar kaydedilir. Daha sonra bu yapılardan 3x3 ve 4x4’lük matrisler elde edilerek kinematik hesapları yapılır.
Yapay Zeka
Yapay sinir ağları ile insan beyninin yapısına benzerlik gösteren algoritmalar bütünü olan derin öğrenme metoduyla programlanan robot kol, eklemlerini nasıl kullanabileceğini anlamak adına binlerce hata yaptı. İlk başta hiçbir şey bilmeyen robot kol, bir süre anlamı olmayan rastgele hareketler sergiledi.
Yaklaşık 35 saatlik bir sürenin sonunda robot kol kendi başına belirli konumlarda eklemlerini kıpırdatabilmeyi ve ilk konuma geri dönebilmeyi öğrendi. Bu eklem döngülerini hafızasına kaydetti. Daha sonra robot kol etraftaki belirli nesneleri toplayarak bir kabın içine sıfır hatayla koymayı başardı.
Robot, dışarıdan geri bildirim almaksızın tamamen kendi başına kullanıldığında ise nesneleri alıp yerleştirme görevini yüzde 44 başarı ile tamamlayabildi. Aynı zamanda robot kola kalem tutturuldu ve yazı yazması da sağlandı.
Robot kolun değişikliklere olan adaptasyonunu test etmek için araştırmacılar hatalı bir parça basıp kola monte etti. Robot değişikliği algıladı ve farklı kol yapısına göre eklem hafızalarını yeniden eğitti. Bu yeni döngü hafızasıyla robot, çok az bir performans kaybıyla görevleri yerine getirmeye devam edebildi.
Robotların bu tarz mekanik hareketleri ve eklem kullanımlarını insanlara nazaran çok daha hızlı öğrenebildiklerini görüyoruz. Bilim insanları robotların kendi zihinlerini modelleyebilmeleri üzerine çalışmalara devam ediyor ve derin öğrenme metodu hızla ilerliyor çok yakında kendi derin öğrenme algoritmasını kendisi yazan robotların üretilmesi hedeflenmekte.
Kaynak:
►roboticstomorrow.com
YORUMLAR
ANKET
- Dünyanın En Görkemli 10 Güneş Tarlası
- Dünyanın En Büyük 10 Makinesi
- 2020’nin En İyi 10 Kişisel Robotu
- Programlamaya Erken Yaşta Başlayan 7 Ünlü Bilgisayar Programcısı
- Üretimin Geleceğinde Etkili Olacak 10 Beceri
- Olağan Üstü Tasarıma Sahip 5 Köprü
- Dünyanın En İyi Bilim ve Teknoloji Müzeleri
- En İyi 5 Tıbbi Robot
- Dünyanın En Zengin 10 Mühendisi
- Üretim için 6 Fabrikasyon İşlemi
- DrivePro Yaşam Döngüsü Hizmetleri
- Batarya Testinin Temelleri
- Enerji Yönetiminde Ölçümün Rolü: Verimliliğe Giden Yol
- HVAC Sistemlerinde Kullanılan EC Fan, Sürücü ve EC+ Fan Teknolojisi
- Su İşleme, Dağıtım ve Atık Su Yönetim Tesislerinde Sürücü Kullanımı
- Röle ve Trafo Merkezi Testlerinin Temelleri | Webinar
- Chint Elektrik Temel DIN Ray Ürünleri Tanıtımı
- Sigma Termik Manyetik Şalterler ile Elektrik Devrelerinde Koruma
- Elektrik Panoları ve Üretim Teknikleri
- Teknik Servis | Megger Türkiye
Aktif etkinlik bulunmamaktadır.