Ingrid Fadelli , Phys.org

Stefani Baum tərəfindən redaktə edilmiş , Robert Eqan tərəfindən nəzərdən keçirilmişdir

 Redaktorların qeydləriErhan Astam, Unsplash.com.

Son onilliklərdə robotistlər ətraflarında hərəkət edə və müxtəlif tapşırıqları yerinə yetirə bilən geniş çeşidli qabaqcıl sistemlər təqdim etdilər. Bu robotların əksəriyyəti onları şərh etmək və gələcək fəaliyyətlərini planlaşdırmaq üçün kompüter görmə alqoritmlərindən istifadə edərək ətrafdakı şəkilləri və digər məlumatları effektiv şəkildə toplaya bilir.

Bundan əlavə, bir çox robotlar təlimatları şərh etmək, istifadəçilərin dediklərini anlamlandırmaq və onlara xüsusi dillərdə cavab vermək üçün böyük dil modellərindən (LLM) və ya digər təbii dil emalı (NLP) modellərindən istifadə edir. Həm ətraflarını anlamağa, həm də istifadəçilərlə ünsiyyət qura bilmələrinə baxmayaraq, əksər robot sistemlər onlardan obyektlərə toxunmağı, tutmağı və manipulyasiya etməyi və ya insanlarla fiziki təmasda olmağı tələb edən vəzifələri həll edərkən hələ də mübarizə aparır.

Tongji Universitetinin və İntellektual Avtonom Sistemlərin Dövlət Əsas Laboratoriyasının tədqiqatçıları bu yaxınlarda robotların ətrafları ilə fiziki qarşılıqlı əlaqə qurmağı öyrənmə prosesini təkmilləşdirmək üçün nəzərdə tutulmuş yeni çərçivə hazırlayıblar.

Neurocomputing- də dərc olunan bir məqalədə qeyd olunan bu çərçivə insan inkişafından, xüsusən də insan körpələrinin ətraflarında baş verənlərə reaksiya verməyi və hərəkətlərini buna uyğun uyğunlaşdırmağı öyrənməsindən ilham alır.

Zheng Yan, Yanmin Zhou və onların həmkarları öz məqalələrində “Robotlar hələ də fiziki qarşılıqlı əlaqə ilə bağlı tapşırıqlarla mübarizə aparır” dedi. “Onların haptik qavrayışında səylər göstərilsə də, robotlar üçün toxunma duyğu məlumatlarının təfsiri çatışmır.”

İnsan inkişafından ilhamlanan meta-təlim çərçivəsi

Yan, Zhou və onların həmkarları, robotların necə öyrəndiyini formalaşdırmaq üçün nəzərdə tutulmuş maşın öyrənməsinə əsaslanan bir yanaşma olan meta-təlim çərçivəsini inkişaf etdirməyə başladılar. Bu çərçivələr fərdi tapşırıqlara şamil edilmir, lakin adətən robotları daha uyğunlaşdırmağa yönəlib və onlara qabaqcadan geniş təlim tələb etmədən yeni ssenarilərə sürətlə uyğunlaşmağa imkan verir.

Komandanın çərçivəsi idrak inkişaf etdirici robototexnika kimi tanınan sahədən götürülür və bu sahədə insan körpə və uşaq inkişafından istifadə edən metodlardan istifadə edən robotların təliminə diqqət yetirilir. Çərçivə robotlara kosmosda öz bədənlərinin mövqeyini (yəni, propriosepsiya) hiss etmək üçün nəzərdə tutulmuş toxunma sensorları və hesablama alətlərindən istifadə edərək məlumatların toplanmasına əsaslanır.

“Koqnitiv inkişaf robotikasına əsaslanaraq, insan-robot yaxın fiziki qarşılıqlı əlaqəsi kimi ssenarilərdə onun təcəssüm olunmuş imkanlarını artırmaq üçün robotun fəza intellektini güclə genişləndirən kosmik-qüvvə sərhədini qiymətləndirmək üçün toxunma sensoru siqnallarını robot propriosepsiyasına inteqrasiya edirik”.

“Bu məqsədlə, insanın haptik hisslərindən və körpə öyrənməsindən dərslər çıxararaq, rəqabətli ümumiləşdirmə, dayanıqlıq və miqyaslılıqla, fibrinq-paradiqma əsaslı neyron şəbəkəsi, induktiv nəticəyə əsaslanan təlim prosesi və aktiv öyrənmə əsaslı giriş konstruksiyası daxil olmaqla, meta-təlim əsaslı neyron çərçivə təklif olunur.”

Yeni çərçivənin üstünlükləri və gələcək tətbiqlər

Keçmişdə tətbiq edilmiş robotların təlimi üçün bir çox digər yanaşmalarla müqayisədə, yeni hazırlanmış meta-təlim çərçivəsi daha uyğunlaşır və robotlara yeni ssenarilərdə və ya naməlum obyektlərlə qarşılaşdıqda daha yaxşı işləməyə imkan verə bilər. Qeyd edək ki, o, robotun detallı mexaniki modellərinə və onun əsas bədən quruluşuna ehtiyac olmadan yalnız sensorlar tərəfindən toplanan məlumatlara əsaslanır.

Tədqiqatçılar yazır: “O, robotlara fiziki qarşılıqlı əlaqə üçün tapşırıq-aqnostik praktiki ipucu verə bilər , o cümlədən interfeyslərdəki təmas xüsusiyyətləri və robot orqanlarındakı təmas mənaları, yalnız robot hərəkətləri və toxunma sensorları məlumatlarından,”. “O, həmçinin yeni fiziki qarşılıqlı təsirlərə əsaslanan bir neçə atış və bir neçə dövr öyrənmə vasitəsilə davamlı optimallaşdırma potensialına malikdir .”

Təklif etdikləri çərçivənin performansını yoxlamaq üçün tədqiqatçılar bunu real robotlara tətbiq etdilər və sonra insanlar və onların ətrafları ilə fiziki qarşılıqlı əlaqəni nəzərdə tutan müxtəlif tapşırıqlar üzrə onların performansını qiymətləndirdilər. Onların tapıntıları çox ümidverici idi, çünki robotlar müxtəlif ssenarilərdə həm təhlükəsiz, həm də təbii şəkildə insanlarla qarşılıqlı əlaqədə olmaqla, hərəkətlərini zamanla davamlı olaraq təkmilləşdirib uyğunlaşdırıblar.

Komandanın çərçivəsi tezliklə daha da təkmilləşdirilə və daha geniş robotlar, obyektlər və səthləri əhatə edən digər real təcrübələrdə sınaqdan keçirilə bilər. Gələcəkdə bu, həm insanabənzər robotların, həm də digər robot sistemlərinin inkişafına töhfə verə bilər, potensial olaraq onların kommersiyalaşdırılmasını və çoxsaylı şəraitdə yerləşdirilməsini asanlaşdırır.

Müəllifimiz İnqrid Fadelli tərəfindən sizin üçün yazılmış, Stefani Baum tərəfindən redaktə edilmiş və Robert Eqan tərəfindən yoxlanılmış və nəzərdən keçirilmiş bu məqalə diqqətli insan əməyinin nəticəsidir. Müstəqil elmi jurnalistikanı yaşatmaq üçün sizin kimi oxuculara güvənirik. Bu hesabat sizin üçün əhəmiyyət kəsb edirsə, lütfən, ianə (xüsusilə aylıq) nəzərdən keçirin. Siz təşəkkür olaraq reklamsız hesab əldə edəcəksiniz .

Daha çox məlumat: Zheng Yan et al, Fiziki qarşılıqlı əlaqənin qavrayışının robotik kosmik qüvvə sərhədinin körpələr üçün inkişaf etdirilməsi, Neyrokomputinq (2026). DOI: 10.1016/j.neucom.2025.132014

© 2025 Science X Network