Algoritma ile Robotlara Yakınındaki İnsan Yönlendirilmeleri Öğretiliyor

Otomotiv sektöründen sanayiinin bir çok alanına varan makine öğrenmesi, insan-robot çalışmalarını birlikte getirdi. Kişilerin hareket yörüngesini tahmin etmek ve buna göre hareketini belirleyen robotlarda karşılaşılan soruna yönelik incelemeler sonucunda insan yönlendirmesi yapabilecek yeni algoritma geliştirildi. Gelin detayları haberimizde yakından inceleyelim.

A- A+

06.07.2019 tarihli yazı 5698 kez okunmuştur.

Robot Robotik Teknoloji Otomasyon Elektronik Algoritma Yazılım

Yeni gelişen teknolojiler, beraberinde makine öğrenmesi ve yapay zeka kullanımını artırmış olup sektörün bir çok kısmında rol almaya ve bu alanlarda yeni çalışmaların yapılmasını başlatmıştır. Hem zaman hem de verimlilik açısından otomotiv sektöründe de yararlanılan bu yöntemleri, MIT araştırmacıları ve otomobil üreticisi olan BMW, robot-insan çalışmalarını test etmek üzere yeni bir algoritma geliştirdi.

Algoritmanın kullanılacağı fabrikada üretim esnasında parça teslimi yapılmak üzerine kurulan raylara robotlar yerleştirilmiş olup, çalışmalarına devam eden diğer çalışanlar teslim sırasında geçtikleri yolları kullanıyorlar.

►İlginizi Çekebilir: Ev İçi Kullanıma Uygun Robot Tasarlandı

Raylarda bulunan robotlar teslim sırasında bir kişi geçerse durması için programlanmıştır ancak robotun öğrenmesinde, kişi yoldan geçmeden daha önce durduğu farkedilmiştir. Üretim esnasında gerçekleşecek bu durum ciddi maliyet kaybına ve verimsizliğe neden olacaktır.

Robotun burada karşılaştığı problem aslında kişinin geçtiğini tahmin edebilmesi ancak bu kişinin eylemini ne kadar süre hangi yöne yapacağı tahmininde doğru bir şekilde bulunmamasıydı. Eylemin zamanını tahmin edemediği için yapılan testlerde robotun durmasının erken gerçekleştiği fark edildi.

►İlginizi Çekebilir: Kansere Karşı Nano-teknolojik Robot

Karşılaşılan bu probleme yönelik araştırmacılar yeni bir algoritma geliştirdi. Bu algoritma, kişinin yapacağı kısmi yörüngeleri doğru bir şekilde hizalayıp ve hareket tahmincilerin, kişinin hareket zamanlamasını doğru olarak tahmin edebilmesine imkan sağlayacaktır.

MIT profesörü Julie Shah, “Bu algoritma, bir robotun insan hareketinin temel bir parçası olan hareketin durmasını ve çakışmasını anlamasına ve izlemesine yardımcı olan bileşenlerden oluşur. Bu teknik, insanları daha iyi anlamak için robotlar üzerinde çalıştığımız birçok yöntemden biri.” olduğunu söylüyor.

Öğrenmede Kümeleme

Makine öğrenmesinde kümeleme, veri setindeki nesnelerin gruplanmasıdır. Kümelenen nesnelerde, her bir küme içinde benzerlikler fazla iken kümeler arası benzerlik az olur.

Araştırmacılar, kişinin saniyeler sonra nerede bulunacağını tahmin etmek için gerçek zamanlı ve daha önce kaydedilen insan hareket ölçümlerindeki hizalama algoritmaları kullandılar. Bu hizalama algoritmaları için benzer olabilecek ses ve müzik algoritmalarından örnekler aldılar. Bir müzikal performansta, parçanın notasının kayan bir videosu gibi veri kümelerinin hizalanması için bu algoritmalar tasarlanmıştır. Tasarlanmış bu algoritmalardan yola çıkılarak hizalama gerçekleştirilmiştir.

►İlginizi Çekebilir: Ağ Formunda Robot Geliştirildi

Algoritma, örnek alınan kayan müzik notaları gibi kişinin zaman içindeki konumunu belirten noktalar kümesinden oluşup, yörünge için oluşan bu noktaların akış hareket verilerini alıp, bu noktaların yörüngesini oluşturulan senaryo için ortak yörüngelerin bir kütüphanesiyle karşılaştırır ve yörüngeyi noktalar arasındaki bağıl mesafe açısından eşler. Ancak bağıl mesafeye dayalı bu yöntem, kişinin sürekli hareket halinde olduğu durumlarda verimlilik sağlayacakken, yörüngeye devam etmeden duraksadığı durumlarda konumu gösteren noktaların bir araya toplanması ve karışıklığa neden olabileceğini gösteriyor.

Robot uygulamada, kişinin nereye gittiğini yörünge hizalama algoritma ile tahmin edebilir ancak o kişinin kendi tahmin yolu boyunca herhangi bir noktada ne kadar süre kalabileceğini tahmin edemedi.

Lasota, “Mesafeler açısından birbirine yakın noktalara sahip olabilirsiniz, ancak zaman açısından, bir kişinin pozisyonu aslında bir referans noktasından uzak olabilir” diyerek, çakışan yörüngeler için de aynı sorunun olduğunu belirtiyor. Kişi aynı yolda ileri geri hareket ederse, referans yörünge ile aynı noktada olmasına ragmen algoritma, hareketin mevcut yörüngelerden olup olmadığını ya da geri gelme ihtimalinin olacağını arasında ayrım yapamayacağını da ekliyor.

En İyi Zamanlama

Karşılaşılan soruna yönelik Lasota ve Shah, “kısmi yörünge” algoritmasını geliştirdi. Algoritma, bir kişinin yörüngesinin bölümlerini gerçek zamanlı olarak önceden toplanmış referans yörüngelerinin bir kütüphanesiyle hizalar. En önemlisi, yörüngeleri hem mesafe hem de zamanlamada hizalar ve böyle yaparak bir kişinin yolundaki durmaları ve çakışmaları doğru bir şekilde tahmin edebilir.

Ekip algoritmaya iki insan hareketinin olduğu bir veri setiyle test etti. Bunlardan ilkinde robot aralıklarla belirli bir yolu geçmesi, diğeri ise parça değişimi için masanın karşısına geçmesi ile gerçekleştirdi.

►İlginizi Çekebilir: Robotlar Artık Eğitime İhtiyaç Duymayacak!

Araştırmacıların algoritmasının, yaygın olarak kullanılan iki kısmi yörünge hizalama algoritmasına kıyasla, her iki veri kümesi için bir yörüngede bir kişinin ilerleyişini daha iyi tahmin edebildiğini gözlemledi. Ayrıca ekip, hizalama algoritmasını hareket tahminleriyle birleştirdiklerinde, robotun bir kişinin hareketinin zamanlamasını daha doğru tahmin edebileceğini buldu.

Son olarak Shah, “Bu teknik, insanların tipik davranış kalıpları sergilediği her ortama uygulanabilir. Önemli olan, sistemin tekrar tekrar meydana gelen modelleri gözlemleyebilmesi ve böylece insan davranışı hakkında bir şeyler öğrenebilmesidir.” dedi.