“Uzaysal-AI”de İlerleme Robotların Fiziksel Ortamları İnsanlara Benzer Şekilde Algılamalarına İmkan Tanır

MIT mühendisleri, robotların yüksek düzeyde komutları takip edebilmesini sağlamak için çalışıyorlar, örneğin bir kişi için bir öğeyi almak üzere başka bir odaya gitmek gibi. Bunun mümkün olması için, robotların fiziksel ortamlarını insanlara benzer şekilde algılayabilmeleri gerekir.

Luca Carlone, MIT’de havacılık ve uzay mühendisliği yardımcı profesörüdür.

“Dünyada herhangi bir karar alabilmek için, etrafınızdaki ortamın zihinsel bir modeline ihtiyacınız vardır” diyor Carlone. “Bu, insanlar için çok zahmetsiz bir şey. Ancak robotlar için çok zor bir problem, çünkü görüntülerini bir kameradan alan piksel değerlerini dünyayı anlama şekline dönüştürmekle ilgili.”

Bu zorluğu aşmak için araştırmacılar, robotlar için uzaysal algılamayı modellediler, insanların fiziksel ortamlarını nasıl algıladıkları ve nasıl navigasyon yaptıklarına dayanarak.

3D Dinamik Sahne Grafikleri

Yeni model, 3D Dinamik Sahne Grafikleri olarak adlandırılmaktadır ve bir robota fiziksel çevresini, nesneleri ve bunların anlamsal etiketleriyle birlikte 3D olarak haritalama olanağı sağlar. Robot, aynı zamanda insanların, odaların, duvarların ve diğer yapıların ortamını da haritalayabilir.

Model, robota 3D haritadan bilgi çıkarmasını sağlar, bu bilgiler nesneleri, odaları ve insanların hareketlerini bulmak için kullanılabilir.

“Bu ortamın sıkıştırılmış temsili, robota hızlı kararlar alması ve yolunu planlaması için faydalıdır” diyor Carlone. “Bu, insanların yaptığına çok benzer. Evinden MIT’ye gitmek için bir yol planlamanız gerekse, her bir pozisyonunuzu planlamazsınız. Sadece sokaklar ve kilometre taşları seviyesinde düşünürsünüz, bu da yolunuzu daha hızlı planlamanızı sağlar.”

Carlone’a göre, bu modele dayanan robotlar sadece ev işleri yapmakla kalmaz, aynı zamanda yüksek düzeyde beceriler sergileyebilir ve fabrikalarda insanlarla birlikte çalışabilir veya felaket bölgelerinde hayatta kalanları bulabilir.

https://www.youtube.com/watch?time_continue=39&v=SWbofjhyPzI&feature=emb_logo

Mevcut Yöntemler vs Yeni Model

Robotik görme ve navigasyon için mevcut yöntemler, çoğunlukla 3D haritalama üzerine odaklanmaktadır, bu sayede robotlar ortamını üç boyutlu olarak gerçek zamanlı olarak yeniden oluşturabilirler veya anlamsal segmentasyon yapabilirler, bu da ortamın özelliklerini anlamsal nesneler olarak sınıflandırmayı içerir, örneğin bir araba ile bisiklet arasında ayrım yapma. Anlamsal segmentasyon genellikle 2D görseller üzerinde yapılır.

Geliştirilen yeni uzaysal algılama modeli, ilk kez 3D haritalama ve aynı anda nesneleri, insanları ve yapıları 3D harita üzerinde etiketleme yeteneğine sahiptir.

Bu yeni modeli elde etmek için araştırmacılar, Kimera adlı açık kaynaklı bir kütüphaneye dayanmışlardır. Kimera, daha önce aynı ekip tarafından bir ortamın 3D geometrik modelini oluşturmak ve aynı zamanda nesnelerin ne olabileceğini kodlamak için geliştirilmiştir, örneğin bir sandalye ile bir masa arasında ayrım yapmak.

“Mitolojik bir yaratık gibi, Kimera’nın hem haritalama hem de 3D’de anlamsal anlayışın bir karışımı olmasını istedik” diyor Carlone.

Kimera, bir robotun kamerasından alınan görüntüler ve sensörlerden alınan atalet ölçümlerini kullanarak sahneyi 3D olarak yeniden oluşturmuştur. Bunu yapmak için, milyonlarca gerçek dünya görüntüsüne eğitimli bir sinir ağı kullanmıştır ve her bir pikselin etiketini tahmin edebilmiş ve 3D’de projeksiyon için ışın atma yöntemini kullanmıştır.

Bu teknik kullanılarak, robotun ortamı 3D olarak haritalanabilir ve her bir yüz, nesneleri, yapıları veya insanları tanımlayan renklerle kodlanabilir.

3D Ağdan 3D Dinamik “Sahne Grafiklerine”

3D anlamsal ağ modeli, çok fazla hesaplama gücü gerektirir ve zaman alıcıdır, bu nedenle araştırmacılar Kimera’yı kullanarak 3D dinamik “sahne grafikleri” elde edecek algoritmalar geliştirdiler.

3D anlamsal ağ, ayrı anlamsal katmanlara bölünür ve robot bir sahneyi bu katmanlardan birini kullanarak görebilir. Katmanlar, nesnelerden ve insanlardan, açık alanlara ve yapılara, odalara, koridorlara, salonlara ve tüm binalara kadar gider.

Bu katmanlama yöntemi, robota odak noktasını daraltmasını sağlar, böylece milyarlarca nokta ve yüzeyi analiz etmek zorunda kalmaz. Bu yöntem ayrıca algoritmaların insanları ve hareketlerini gerçek zamanlı olarak takip etmesine olanak tanır.

Yeni model, hareket eden insanlarla bir ofis ortamını simüle eden foto-gerçekçi bir simülatörde test edilmiştir.

“Esasen, robotlara insanların kullandığı zihinsel modelleri sağlıyoruz” diyor Carlone. “Bu, otonom araçlar, arama ve kurtarma, işbirliği yapan üretim ve ev robotları gibi birçok uygulamayı etkileyebilir.”

Carlone, lider yazar ve MIT yüksek lisans öğrencisi Antoni Rosinol ile birlikte çalışmıştır.

“Yakın zamanda derin öğrenmedeki ilerlemeler ve aynı anda konumlandırma ve haritalama üzerine yapılan on yıllarca süren araştırmalar sayesinde bu yaklaşım mümkün olmuştur” diyor Rosinol. “Bu çalışma ile, robotik algılama olarak adlandırılan uzaysal-AI’nin yeni bir dönemine doğru bir adım atıyoruz, bu henüz bebeklik döneminde olmakla birlikte robotik ve büyük ölçekli sanal ve artırılmış gerçeklikte büyük potansiyele sahiptir.”

Araştırma, Robotics: Science and Systems sanal konferansında sunulmuştur.