UC Berkeley’li robotik uzmanı Ken Goldberg, yeni yapay zeka modellerinin robotikte uzun süredir aşılması zor görülen engelleri yıktığını ve bunun “gerçek bir paradigma değişimi” olabileceğini söylüyor.
Yeni yaklaşımın adı: agentic robotics
Goldberg, NVIDIA Robotics Engineering Direktörü Spencer Huang ve bir grup araştırmacıyla birlikte bu yeni yöntemi “agentic robotics” olarak adlandırıyor. Yaklaşıma göre birden fazla yapay zeka ajanı, robot kontrol programlarını üretip test edebiliyor, simülasyonda deneyebiliyor ve bir şey yolunda gitmediğinde kodu yeniden düzenleyebiliyor.
Goldberg, bu yöntemin robotların nasıl kontrol edildiğini temelden değiştirdiğini belirtiyor. Ona göre klasik yaklaşımlarda ya robotun algılama, hareket planlama ve eylem kontrol yazılımı doğrudan mühendisler tarafından yazılıyor ya da robotlar gösterimlerden öğrenme yoluyla eğitiliyor. İlk yol yoğun mühendislik emeği isterken, ikinci yol büyük miktarda veri ve zaman gerektiriyor.
Veri açığı ve mühendislik yükü
Goldberg ve ekibine göre alanın önündeki iki ana engel, robotları eğitmek için gereken devasa veri miktarı ile onları programlamak için harcanan yoğun mühendislik çabası. Bu iki başlık da ciddi fiziksel ve teknik kaynak gerektiriyor.
Goldberg, geçen yıl kamuoyunun beklentilerini yeniden şekillendirmeye çalışırken, robotların gerçek dünya becerileri kazanmasının önünde bir “100.000 yıllık veri açığı” bulunduğunu söylemişti. Ona göre internet metinleri ve görüntülerinden beslenen yapay zeka ajanlarının aksine, robotik için karşılığı olacak ölçekte bir veri havuzu yok.
“Gerekli veriyi toplamak için bizi bekleyen korkutucu büyüklükten dolayı hevesim kırılmıştı” diyen Goldberg, agentic robotics’in model tabanlı ve modelden bağımsız yöntemler arasında eksik halkayı sunduğunu savunuyor. Ona göre bu yaklaşım, ek veri toplama gerektirmeyen bir yol açıyor.
Graph-as-Policy ve simülasyon denemeleri
Goldberg ve ekibi bu yılın başlarında robot kodunun nasıl organize edildiğini değiştirmeye başladı. Graph-as-Policy adını verdikleri çerçevede görevler; bir nesneyi bulmak, bir kavrayışı planlamak ve tutucuyu çarpışma olmadan hareket ettirmek gibi tek tek becerilere ayrılıyor.
Goldberg bu yapıyı, daha büyük bir bütünü oluşturan ayrı yapı taşlarına benzetiyor. Ardından yapay zeka ajanları bu becerileri birleştirerek robot programı oluşturuyor. NVIDIA’nın Isaac simülasyon kütüphanelerini kullanan sistem, programı görev varyasyonları boyunca kendi kendine tekrar ediyor, nerede hata çıktığını saptıyor ve dağıtımdan önce yaklaşımı rafine ediyor.
Goldberg’in ekibi, bu hafta Conference on Robot Learning’de yeni yaklaşımı ve aylar süren testlerin sonuçlarını sunuyor. Araştırmacılar ayrıca diğer robotikçilerin deneme yapabilmesi için açık kaynak kod yayımlıyor. Bu kod, NVIDIA’nın geliştiricilere yönelik Isaac açık simülasyon çerçevesi üzerine kurulu ve endüstriyel görevlerde robot performansını değerlendirmek için bir kıyaslama seti de içeriyor.
Astra ile yapılan testler dikkat çekti
Goldberg’e göre OpenAI’nin yakın zamanda yayımladığı Astra modeli süreci daha da umut verici hale getirdi. Doktora sonrası araştırmacıları Eric Kaiyuan Chen ve Shuangyu Xie, Astra’ya simülasyon arayüzlerine erişim verdi ve gerçek bir robotun bir süngeri kullanarak bir metal çubuktan mürekkebi sildiği kısa bir video sağladı.
Goldberg, yapay zekanın bir saatten kısa sürede videoyu son derece gerçekçi sünger deformasyonlarıyla birlikte doğru şekilde yeniden üreten bir fizik simülasyonu oluşturup ince ayar yaptığını söylüyor. Araştırmacılar ardından bu simülasyonu ve Graph-as-Policy çerçevesini sisteme verdi. Yapay zeka bir robot kontrol programı üretti, simülasyonda defalarca test edip geliştirdi ve sonuçta ortaya çıkan kod gerçek robota yüklendiğinde çalıştı.
Bir denemede robotun metal çubuğu devirdiğini aktaran Goldberg, bunun ağırlığı güvenilir biçimde çıkaramamasından kaynaklandığını söylüyor. Ancak bu hata da sisteme yeni kanıt sağladı; yapay zeka videoyu kullanarak simülasyonu geliştirdi, kontrol programını yeniden yazdı ve yeni bir yaklaşımı test etti. Goldberg, bu anı “Bu anda tüylerim diken diken oldu” sözleriyle anlattı.
Ambi Robotics’te üretim hattına yansıyan sonuçlar
Berkeley merkezli Ambi Robotics, lojistik ve depo sipariş karşılama alanında çalışıyor. Şirket, bu yılın başlarında yeni yöntemi kullanarak paket ayıklama verilerini analiz etti ve robot davranışına yönelik güncellemeleri test etti.
Yapılan testler, robot başına yıllık 15.000’den fazla paketlik ek ayıklama kapasitesi sağlandığını gösterdi. Bu değişiklik artık şirketin ABD filosunun %30’unda kullanılıyor. Ambi Robotics’in kurucu ortağı ve teknoloji sorumlusu Jeff Mahler, yapay zeka destekli endüstriyel robotların güvenilirlik ve performansı sürekli iyileştirmesi gerektiğini söylüyor.
Mahler’e göre agentic robotics, üretim verisini robot davranışı güncellemelerine dönüştürerek ABD filosu genelinde verimi artırdı ve bunu yaparken mühendislerin kontrolünü korudu. Goldberg ise yöntemin özellikle tekrar eden ve ölçekli görevlerin bulunduğu endüstriyel ortamlarda şimdiden umut verici sonuçlar verdiğini belirtiyor.
Ev robotlarından çok sanayi için yakın bir gelecek
Goldberg, bunun ev tipi yardımcılara hemen çamaşır katlama yeteneği kazandıracağı anlamına gelmediğini de vurguluyor. Ancak görevlerin temel parçalarını kendi kendine iyileştirebilen sistemlerin, alan için büyük bir sıçrama olduğunu düşünüyor.
40 yıllık kariyerinde yalnızca iki anın benzer duygular yarattığını söylüyor: 1993’te World Wide Web’in halka açılması ve 2022’de ChatGPT’nin ortaya çıkışı. Goldberg’e göre agentic robotics, klasik kontrol teorisi ve fiziği hızla gelişen yapay zeka kodlamasıyla birleştiriyor; bu da onu gerçek mühendislik uygulamaları için hızlı ve pratik hale getiriyor.
Goldberg son olarak, yaşanan gelişmenin “gerçek bir paradigma değişimi” olduğunu düşündüğünü ifade ediyor.
