Fiziksel Zeka, Robotlara Gerçek Dünya Görevleri İçin Gerekli Belleği Sağlamak Üzere MEM Mimarisini Tanıtıyor
Kısaca
Araştırmacılar, robotlara kısa ve uzun vadeli hafıza kazandırarak, yalnızca tekil eylemler gerçekleştirmek yerine ilerlemeyi takip edebilmelerini ve karmaşık görevleri tamamlayabilmelerini sağlayan Çok Ölçekli Somutlaştırılmış Hafıza (Multi-Scale Embodied Memory) sistemini geliştirdiler.
Yıllardır, gerçekten faydalı bir ev robotu hayali, aldatıcı bir şekilde gerçeğe çok yakındı. Robotlar zaten "tavayı yıka", "çamaşırları katla" veya "sandviç yap" gibi komutları yerine getirebiliyor. Laboratuvar ortamlarında, bu sistemler etkileyici bir el becerisi ve hassasiyet sergiliyor. Ancak robotik temel modellerindeki hızlı ilerlemelere rağmen, temel bir şey eksikti: hafıza.
Tek bir görevi yerine getirebilen bir robot, bir işi tamamlayabilen bir robotla aynı şey değildir. Bütün bir mutfağı temizlemek, yemek pişirmek veya bir tarif için malzemeleri hazırlamak, birbirinden bağımsız becerilerden daha fazlasını gerektirir. Süreklilik gerektirir; yani neyin zaten yapıldığını, neyin henüz yapılması gerektiğini ve her şeyin nerede olduğunu hatırlama yeteneği. Bu anlatısal bağlantı olmadan, en yetenekli robot bile şaşırtıcı derecede beceriksiz hale gelir.
Physical Intelligence'daki araştırmacılar, bu sorunu Multi-Scale Embodied Memory (MEM) adı verilen yeni bir mimariyle çözmeye çalışıyorlar. Bu sistem, robotlara hem kısa hem de uzun vadeli hafıza kazandırarak, saniyeler yerine dakikalar süren görevleri yerine getirmelerini sağlamak üzere tasarlandı.
Sonuçlar önemli bir noktaya işaret ediyor: robotik alanının geleceği, daha iyi mekanik ellerden ziyade daha iyi bilişsel mimariye bağlı olabilir.
Modern robot modelleri zaten olağanüstü bir motor beceri kütüphanesine sahip. Kırılgan nesneleri kavrayabiliyor, aletleri kullanabiliyor ve dağınık ortamlarda gezinebiliyorlar. Ancak bir robottan tam bir mutfağı temizlemesini -tezgahları silmesini, market alışverişlerini yerleştirmesini, bulaşık yıkamasını ve mutfak eşyalarını düzenlemesini- istediğinizde, sınırlamalar hızla ortaya çıkıyor.
Sorun becerilerin kendisinde değil. Sorun, bu becerilerin nasıl koordine edildiğinde yatıyor. Karmaşık görevler sürekli farkındalık gerektirir. Bir robot, hangi dolapları daha önce açtığını, tencere kapağını nereye koyduğunu veya bir bulaşığı yıkayıp yıkamadığını hatırlamalıdır. Ayrıca görüş alanından çıkan nesneleri takip etmeli ve yeni eylemler gerçekleştirirken çevrenin zihinsel haritasını korumalıdır.
İnsan bilişsel süreçleri bunu zahmetsizce yapar. Makineler ise yakın zamana kadar bunu yapamıyordu. Bir robotun dakikalarca veya saatlerce gördüğü her gözlemi saklamak, hesaplama açısından imkansızdır. Ancak bu bilgiyi atmak, kaotik davranışlara yol açar; tekrarlanan hatalar, unutulan adımlar veya önceki kararlarla çelişen eylemler. Robotik araştırmalarında bu zorluk bazen "nedensel karışıklık" olarak tanımlanır; burada sistemler geçmiş olayları yanlış yorumlar ve yanlış davranışları pekiştirir.
Sonuç: Kısa tanıtımlarda etkileyici görünen ancak gerçek dünya görevlerini tamamlamakta zorlanan robotlar.
Fiziksel Zeka İçin Bir Hafıza Sistemi
MEM mimarisi, çok katmanlı bir bellek yapısı sunarak bu sorunu ele almaktadır. Sistem, her şeyi eşit olarak depolamak yerine, belleği iki tamamlayıcı biçime ayırır:
Kısa süreli görsel bellek, verimli bir video kodlama mimarisi kullanarak son gözlemleri yakalar. Bu, robotun hareketi anlamasına, nesneleri kareler arasında takip etmesine ve saniyeler önce gerçekleşen olayları hatırlamasına olanak tanır; bu da ızgara peynirli sandviç çevirmek veya bulaşık yıkamak gibi hassas eylemler için çok önemlidir.
Uzun süreli kavramsal bellek ise görev ilerlemesini doğal dilde depolar. Ham görsel verileri hatırlamak yerine,defiSonunda robot, olanları anlatan kısa metinsel "notlar" yazıyor; örneğin "Tencereyi lavaboya koydum" veya "Sütü buzdolabından aldım."
Bu özetler, robotun akıl yürütme sürecinin bir parçası haline gelir. Aslında, makine görevin kendi anlatısını oluşturur. Sistemin akıl yürütme motoru daha sonra aynı anda iki şeye karar verir: bir sonraki eylemin ne olacağına ve hangi bilgilerin hatırlanmaya değer olduğuna. Bu kombinasyon, modelin on beş dakikaya kadar süren görevleri takip etmesini sağlar; bu da önceki robotik gösterilerin çoğundan çok daha uzundur.
MEM'in sağladığı en ilgi çekici yeteneklerden biri de bağlam içi adaptasyondur. Robotlar hata yapar. Bu kaçınılmazdır. Ancak çoğu robotik sistem, başarısızlığın hafızasına sahip olmadıkları için bu hataları sonsuza dek tekrarlar.
Fark, basit deneylerde açıkça ortaya çıkıyor. Bir testte, bir robot düz bir yemek çubuğunu almaya çalışıyor. Hafıza olmadan, makine aynı başarısız tutuşu tekrar tekrar deniyor. Hafıza etkinleştirildiğinde, robot başarısız denemeyi hatırlıyor ve farklı bir yaklaşım deniyor - sonunda başarılı oluyor.
Bir başka örnek ise buzdolabının açılmasıdır. Robot, yalnızca görsel verilerden yola çıkarak kapının hangi yöne açıldığını hemen belirleyemez. Hafızası olmayan bir sistem aynı işlemi tekrar tekrar yapar. Hafızası olan bir robot ise bir yöne doğru deneme yapar, başarısızlığı hatırlar ve ardından ters yöne doğru deneme yapar.
Bu küçük ayarlamalar, çok önemli bir şeyi temsil ediyor: görevin kendisi içinde öğrenme yeteneği. Robot, tamamen eğitim verilerine güvenmek yerine, anında uyum sağlıyor.
Araştırmacılar, hafıza destekli sistemi giderek daha karmaşık görevler üzerinde değerlendirdiler. İlk olarak nispeten basit bir zorlukla karşılaştılar: ızgara peynirli sandviç yapmak. Bu, ekmeği çevirmek ve sandviçi tabağa koymak gibi hassas fiziksel adımları gerçekleştirirken zamanlamayı yönetmek için kısa süreli hafıza gerektiriyordu.
Ardından lojistik bir görev geldi: bir tarif için malzemeleri temin etmek. Robotun daha önce hangi malzemeleri topladığını, nerede bulunduklarını ve çekmecelerin ve dolapların kapalı olup olmadığını hatırlaması gerekiyordu. Son olarak en zorlu senaryo geldi: tüm bir mutfağı temizlemek.
Bu, eşyaları yerlerine koymak, bulaşık yıkamak, tezgahları silmek ve odanın hangi bölümlerinin zaten temizlendiğini takip etmek anlamına geliyordu.
Bellek destekli model, yapılandırılmış bellek içermeyen versiyonlara kıyasla önemli ölçüde daha iyi performans göstererek daha yüksek güvenilirlik ve görev tamamlama oranları sergiledi.
Bu fark, robotikteki önemli bir değişimi göstermektedir. Araştırmacılar artık tek tek eylemleri optimize etmek yerine, sürdürülebilir iş akışlarına olanak sağlayan sistemler geliştiriyorlar.
Hafızanın Robotikteki Yeni Sınır Olmasının Nedenleri
MEM'in daha geniş kapsamlı sonucu, robotik alanının yeni bir aşamaya girdiğidir. On yıllarca bu alan algılama ve kontrole odaklandı: makinelerin dünyayı görmesine ve nesneleri manipüle etmesine yardımcı olmak. Daha yakın zamanlarda, büyük çok modlu modeller, robotların talimatları yorumlama ve karmaşık motor davranışlarını gerçekleştirme yeteneklerini önemli ölçüde geliştirdi.
Ancak bu yetenekler olgunlaştıkça, darboğaz da yer değiştirdi. Bir sonraki zorluk bilişsel sürekliliktir; robotların hedeflerini kaybetmeden uzun süreler boyunca çalışabilmelerini sağlamaktır. MEM gibi bellek sistemleri bu süreklilik için gerekli altyapıyı sağlar. Robotlar an be an tepki vermek yerine, eylemleri, kararları ve çevreleri hakkında içsel bir anlatı sürdürebilirler. Karmaşık davranışların ortaya çıkmasını sağlayan da bu anlatıdır.
Bu yaklaşım gelişmeye devam ederse, etkileri mutfak temizliğinin çok ötesine uzanacaktır. Gelecekteki robotların saatler hatta günler süren talimatları takip etmesi gerekebilir. Bir ev asistanına şunları söylediğinizi hayal edin:
“Akşam 6'da eve geliyorum, lütfen çarşamba günleri akşam yemeğini hazır edin ve evi temizleyin.”
Böyle bir isteği yerine getirmek, uzun talimatları ayrıştırmayı, alt görevleri planlamayı, ilerlemeyi hatırlamayı ve işler ters gittiğinde uyum sağlamayı gerektirir.
Her eylemin ham video kaydını bu kadar uzun süre saklamak imkansız olurdu. Bunun yerine, robotlar muhtemelen deneyimlerin giderek daha soyut temsiller haline sıkıştırıldığı hiyerarşik bellek sistemlerine güveneceklerdir.
MEM, bu mimariye doğru atılan ilk adımlardan biridir. Daha yetenekli robotların anahtarının daha güçlü motorlar veya daha keskin sensörler değil, daha iyi hafıza ve bu hafıza hakkında akıl yürütme yeteneği olabileceğini öne sürüyor. Robotlar sonunda ne yaptıklarını hatırlayabilirlerse, işi de tamamlayabilirler.
Feragatname
Doğrultusunda Trust Project yönergeleri, lütfen bu sayfada sağlanan bilgilerin hukuki, vergi, yatırım, finansal veya başka herhangi bir tavsiye niteliğinde olmadığını ve bu şekilde yorumlanmaması gerektiğini unutmayın. Yalnızca kaybetmeyi göze alabileceğiniz kadar yatırım yapmak ve herhangi bir şüpheniz varsa bağımsız finansal tavsiye almak önemlidir. Daha fazla bilgi için şartlar ve koşulların yanı sıra kartı veren kuruluş veya reklamveren tarafından sağlanan yardım ve destek sayfalarına bakmanızı öneririz. MetaversePost doğru, tarafsız raporlamaya kendini adamıştır, ancak piyasa koşulları önceden haber verilmeksizin değiştirilebilir.
Yazar hakkında
Alisa, kendini işine adamış bir gazetecidir. MPostKripto para birimleri, yapay zeka, yatırımlar ve geniş kapsamlı alanlarda uzmanlaşmıştır. Web3. Gelişmekte olan trendlere ve teknolojilere yönelik keskin bir bakış açısıyla, okuyucuları sürekli gelişen dijital finans ortamı hakkında bilgilendirmek ve etkileşime geçirmek için kapsamlı bir kapsam sunuyor.
Daha fazla haber
Alisa, kendini işine adamış bir gazetecidir. MPostKripto para birimleri, yapay zeka, yatırımlar ve geniş kapsamlı alanlarda uzmanlaşmıştır. Web3. Gelişmekte olan trendlere ve teknolojilere yönelik keskin bir bakış açısıyla, okuyucuları sürekli gelişen dijital finans ortamı hakkında bilgilendirmek ve etkileşime geçirmek için kapsamlı bir kapsam sunuyor.
