Güçlendirilmiş öğrenmeyi yüksek kaliteli fizik tabanlı simülasyonla birleştirerek, morph konseptten ürüne daha hızlı bir geçiş sağladığını belirtiyor. | Kaynak: morph
Yapay zeka alanındaki ilerlemeler robotları daha akıllı ve yetenekli hale getirirken, bazı geliştiriciler giderek yalnızca zeka yazılımına odaklanıyor. Londra merkezli robotik girişimi morph, bedensel yapay zekayı hem bir donanım hem de yazılım sorunu olarak gören farklı bir yaklaşım benimsiyor.
Şirket, algılama ve uyumlu kontrolü doğrudan yeniden yapılandırılabilir deformasyonlu malzemelere entegre ederek, morfolojide ve sertlikte gerçek zamanlı değişim sağlıyor. Sonuç, geliştiricilerin çeşitli robotlara entegre edebileceği yumuşak hücrelerdir.
“Gerçek zamanlı fiziksel yapay zeka modelleri çalıştırıyoruz; bu modeller duyusal bilgileri alıp anlayabiliyor. Sonra hücreler morfolojik olarak değişecek ve hareket, destek veya koruma gibi bir değişiklik sağlamak için uyum sağlayacak,” dedi morph'un kurucusu Dr. Jean Nehme, The Robot Report. “Her neyse, duyusal bilgileri alabilen ve anlayabilen yumuşak hücrelerimiz var ve ardından şekil değişikliğini etkileyerek bir ürün veya değer için fayda sağlamak üzere temel olarak ayarlama yapabiliyoruz.”
morph, donanım ve yazılım arasındaki boşluğu kapatmayı hedefliyor
Ahtapotların uyum yeteneğinden ilham alan morph, fiziksel yapay zeka sistemlerinin geliştirilmesini hızlandırmayı amaçladığını belirtti. Nehme, anahtarın yapay zeka geliştirme ve donanımı bir araya getirmek olduğunu vurguladı.
morph'un robotik hücreleri, malzemelerin içine doğrudan yerleştirilmiş zekaya sahiptir. Bu, hücrelerin gerçek zamanlı olarak bedene ve çevreye duyusal bilgi alabilmesini, uyum sağlamasını ve yanıt vermesini sağlar, dedi Nehme.
“Donanımın ayrı, fizikselin ayrı ve yapay zekanın ayrı olduğu robotlar inşa edebileceğinizi düşünmüyorum. Bu işe yaramaz. Bunu doğru yapmak gerçekten zor,” dedi. “Sadece donanımla doğmuyoruz. Öğrenen bir zeka ile doğuyoruz.”
morph, birçok farklı model geliştirmeyi ve bunları farklı şekillerde dağıtmayı planlıyor. Uzun vadede, Nehme bu modelleri daha genelleştirilebilir bir dünya modeli oluşturmak için kullanmayı umduğunu belirtti.
“Bir yavru köpeği veya küçük bir bebeği izlerseniz, onların öğrenip uyum sağladıklarını görebilirsiniz. ‘Bunu nasıl kavrayabilirim?’ diye düşünmelerine yardımcı olan bir modeli nasıl kullanmaya çalıştıklarını görebilirsiniz,” dedi Nehme.
“Bu entegrasyon çok önemli ve bunu önceden yapıyoruz,” diye ekledi. “Tasarım modelleri oluşturabiliyoruz, değişimi sağlamak için farklı form faktörlerine doğrudan modeller dağıtabiliyoruz ve bu modellere sürekli öğrenme döngüsü ekleyebiliyoruz. Yani, bir şeyi doğaya saldığımızda, öğrenmeye devam edecek.”
