Aleks Şipps, Massaçusets Texnologiya İnstitutu tərəfindən

Lisa Lock tərəfindən redaktə edilib , Robert Egan tərəfindən nəzərdən keçirilib

 Redaktorların qeydləri

 GIST

Tercih edilən mənbə kimi əlavə edin

CALM-ın öyrənilmiş davranışına nümunə. Kredit: arXiv : DOI: 10.48550/arxiv.2511.14988

Robotları öyrətməyin incə bir sənəti var, hətta onları fabriklər kimi proqnozlaşdırıla bilən mühitlərə hazırlayarkən belə, qarşılaşdıqları maneələrdən asılı olaraq eyni tapşırıqları bir az fərqli şəkildə təkrarlayacaqlar. Bir insan qəfildən onların yoluna çıxsa da, yaxud yeni bir qarışıqlıq yaransa da, maşın trayektoriyasında (və ya hərəkət yolunda) qalaraq operatorunun hərəkətlərini yaxından təqlid etməlidir.

Əsas problem odur ki, onlara hara və nə vaxt hərəkət etməli olduqlarını deyən alqoritmlərin çoxu ya çevik deyil, ya da asanlıqla çaşqınlıq yaradır. Məsələn, zamandan asılı texnikalara baxın, burada robotlar müəyyən hərəkətləri nə vaxt etməli olduqlarını bilmək üçün taymer üzərində işləyirlər. Hər hansı kiçik toqquşma maşını cədvəldən çıxara bilər və o, uyğunlaşmayacaq. Zamandan asılı olmayan metodlar robotlara məkanda müəyyən bir istiqamətdə harada hərəkət etməli olduqlarını göstərərək trayektoriyaları zaman məhdudiyyəti olmadan izləməyə kömək edir; lakin, bot tez-tez müəyyən nöqtələrdə üst-üstə düşən yollar boyunca istiqamətləri qarışdırır (məsələn, “H” hərfi çəkir).

MIT Kompüter Elmləri və Süni İntellekt Laboratoriyası (CSAIL) tədqiqatçıları robotlara lazım olan rahatlıq və aydınlıq verən Öyrənilmiş Hərəkətlər üçün Klaster Uyğunlaşdırması (CALM) adlı bir yanaşma hazırlayıblar. Sistem, sensor məlumatlarından istifadə edərək tək bir tapşırıq üçün bir neçə insan nümayişini izləyir və hər birini öz yolu kimi vizuallaşdırır. Daha sonra maşına sərt bir cədvəl və ya sərt istiqamətlər vermək əvəzinə, onları ümumi bir marşruta ortalayaraq hesablayır. Bu, təkrarlanan anbar və məişət işlərini yerinə yetirərkən maşın yoldan çıxdıqda – məsələn, maneə ilə toqquşduqda – asanlıqla qayıda biləcəyi “döyülmüş bir yol” kimidir.

Layihə, əvvəlcə insan hərəkətini robotlara izləmək üçün hazırlanmış bir alqoritm gətirir. CALM-ı təqdim edən bir məqalənin həmmüəllifi olan Kristofer Furie, 2024-cü il tarixli doktorluq dərəcəsi almış , əvvəlcə bir insanın necə hərəkət etdiyini yaxından çəkmək, sonra gələcək hərəkətləri proqnozlaşdırmaq üçün oxşar qeydləri qruplaşdırmaq üçün ” TRACER ” qurmuşdur. MIT doktorluq dərəcəsi almış tələbəsi və CSAIL tədqiqatçısı olan aparıcı müəllif Alex Cuellar 2021-ci il tarixli doktorluq dərəcəsi almış və alqoritmdən “hərəkət proqnozunu robototexnika ilə əlaqələndirmək, maşınlara harada qaldıqları yerdən davam etmək şansı vermək” üçün istifadə etmişdir.

Bəs CALM real dünya robotlarını necə işdə saxlayır? İstifadəçilər maşınlarına kinestetik nümayişlər etməklə başlayırlar , onu fırçalamaq və ya silmək kimi şeyləri etməyə fiziki olaraq istiqamətləndirirlər. Eyni tapşırığı yerinə yetirməyin bir neçə yolunu göstərdikdən sonra, CALM hərəkətlərinizi izləyir və oxşar hərəkətləri “klasterlər”ə qruplaşdırır. Yolları orta trayektoriyaya – əsasən, eyni şeyi etmək üçün bir neçə oxşar yolu nəzərdən keçirən daha geniş bir hərəkət planına – ortalamasını verir.

CALM, robotun orta trayektoriya boyunca harada olduğuna dair bir inanc saxlayır. Taymerə və ya onun fəzadakı mövqeyinə deyil, bu inanca etibar etmək, zamandan asılı və zamandan asılı olmayan metodlar məsələlərindən yayınmağa imkan verir. Bu, robot qolları kimi maşınların ətraflarında dəyişikliklərlə, məsələn, masaya yeni bir əşyanın qoyulması və ya yolunda qəfil bir insanın olması ilə qarşılaşdıqdan sonra yenidən yoluna qayıtmasına kömək edir.

“Məqsəd robotların narahatlıqlara insanlar kimi reaksiya verməsinə kömək etməkdir”, deyə Cuellar bildirir. “Məsələn, bir işi görərkən və bir şeylə qarşılaşanda, dərhal etdiyimiz işə qayıdırıq, çünki tapşırığın harada kəsildiyi barədə intuitiv bir hissimiz var. Ağlımızda ümumi, çevik bir planımız var və gündəlik işlərə eyni şəkildə yanaşan robotlar istəyirik.”

Təzyiq altında SAKİT Qalmaq

Bir sıra real təcrübələr CALM-ın maşınlara onları atacaq maneələrə necə cavab verməyə kömək edə biləcəyini göstərdi. Əvvəlcə onlar robot qoluna bəzi LEGO-ları silməyi cəmi altı nümayişlə öyrətdilər. Bu nümayişdə ya fırçanın təmiz olub-olmadığını yoxladılar, ya da sadəcə kərpicləri silib fırçanı yerə qoydular. Robot, maşını itələməsinə baxmayaraq, zamandan asılı və zamandan asılı olmayan əsas xətlər uyğunlaşa bilmədikdə, bu tapşırığı yerinə yetirdi.

CALM eyni robotun elementar yazı bacarıqlarını da təkmilləşdirməyə kömək etdi. “A” və “C” hərflərini yazmaq üçün hər biri yalnız iki nümayiş verildiyindən, robot insandan yüngül bir təkanla yazı arasında keçid edə bilirdi. Robot qutunu rəngləməkdə də eyni dərəcədə effektiv idi, burada ona yalnız dörd zərbə, hər biri üç dəfə – “X”, “V” yuxarı və dairə şəklində öyrədilirdi. Robot öyrədilən hər bir hərəkəti dəqiq şəkildə əks etdirirdi və insan əməkdaşının hansı zərbəni istədiyini intuitiv şəkildə başa düşürdü.

Tədqiqatçılar CALM-ı real dünyaya gətirməzdən əvvəl, onun hərəkət izləmə bacarıqlarını üst-üstə düşən 2D trayektoriyalarında sınaqdan keçirdilər – başqa sözlə, hərəkət yollarını təmsil edən sadə illüstrasiyaları yenidən çəkdilər. Mötərizələr, ilanlar və şalğam kimi şeylərə bənzər mürəkkəb marşrutları o qədər yaxından yaratdılar ki, sanki onları sanki izlədiyini düşünürdünüz. Lakin bunun əvəzinə, CALM bir çox oxşar əsas xətləri aşaraq xətləri yenidən çəkmək üçün əlindən gələni etdi.

“CALM-ın fərqli cəhəti odur ki, robot kosmosda və ya saatda nə vaxt olduğuna deyil, tapşırıq zamanı harada olduğuna inanır”, – deyə baş müəllif, HN Slater Aeronavtika və Astronavtika professoru və CSAIL-in baş tədqiqatçısı Julie Shah ’04, SB ’06, Ph.D. ’11 bildirir. “Robota tapşırıqda irəliləyiş anlayışı vermək, laboratoriyadan kənarda baş verən kiçik sürprizlərin öhdəsindən gəlmək üçün bir neçə nümayişə imkan verir və bu, gündəlik şəraitdə işləyə bilən robotlara doğru həyəcanverici bir addımdır.”

Komandanın sistemi tezliklə robot öyrənməsində daha dərin mürəkkəblik qatlarını idarə edə bilər. Sadə davranışlardan kənara çıxan komanda, robotun qolunun bucağının tapşırıq zamanı dəyişməli olduğu 3D səthi fırçalamaq kimi fırlanma tələb edən tapşırıqları modelləşdirməyi planlaşdırır. Gələcəkdə komanda həmçinin orta trayektoriyaları maşının mühitinə uyğun olaraq manipulyasiya etməyə imkan verən CALM versiyasını yaratmağı planlaşdırır. Məsələn, robotun bir bloku fırçalaması lazımdırsa və həmin blok hərəkət etdirilirsə, həmin trayektoriya blokun hazırda harada olduğunu izləmək üçün tənzimlənə bilər.

CALM, artıq uyğunlaşa bilən bir yanaşmaya əsaslanaraq, çevikliyində də yeniləmələr edə bilər. Tədqiqatçılar sistemin trayektoriyanın müəyyən hissələrinə keçməyi və ya geri qayıtmağı, hətta tapşırıq arasında yolları dəyişdirməyi öyrənə biləcəyinə ümid edirlər. Metod, kompüter görmə sistemi vasitəsilə gördüyü fiziki siqnallardan və ya istifadəçilərin göstərişlərindən alınan şifahi siqnallardan istifadə edərək yanaşmasını dəyişdirməyi öyrənə bilər.

Onların işləri ötən sentyabr ayında IEEE Robotics and Automation Letters jurnalında dərc edilib və 1-5 iyun tarixlərində Vyanada keçiriləcək 2026-cı il IEEE Beynəlxalq Robotics and Automation Konfransında ( ICRA 2026 ) təqdim olunacaq.

Nəşr detalları

Alex Cuellar və digərləri, Nümayişlərdən Hərəkətlərin Öyrənilməsinə Uyğunlaşma Əsaslı Bir Yanaşma, IEEE Robototexnika və Avtomatlaşdırma Məktubları (2025). DOI: 10.1109/lra.2025.3613956 . ArXiv -də : DOI: 10.48550/arxiv.2511.14988

Jurnal məlumatları: IEEE Robotics and Automation Letters , arXiv  

Əsas anlayışlar

Muxtar robot lokomotivi