EPFL (École Polytechnique Fédérale de Lausanne) araştırma ekibi, robotik endüstrisinde yeni bir sorunu çözen Kinematik Zeka adlı bir yazılım çerçevesi geliştirdi. Sistem, akıllı telefonlar arasında geçiş yapıldığı gibi, robotlar arasında da beceri transferini mümkün kılıyor. Bu teknoloji, Science Robotics dergisinde yayımlandı.
Robotik alanında geleneksel olarak, operatörler bir robotu fiziksel olarak yönlendirerek ya da uzaktan kontrol ederek yeni görevleri öğretiyordu. Örneğin masayı silme, kutuları yığma veya araç parçasını kaynağa becerileri bu şekilde aktarılıyordu. Ancak sorun, bu öğrenilmiş davranışların genellikle belirli bir robot modeline bağlı kalmasıydı. Sthithpragya Gupta ve ekibi, farklı bağlantı uzunluklarına, farklı eklem yönelimlerine veya daha karmaşık yapılara sahip yeni robota geçildiğinde tüm sistemin sıfırdan eğitilmesi gerekiyordu.
Tekil Noktalar Sorunu ve Çözüm
Robotu hareket ettirirken ortaya çıkan en büyük zorluk, tekil noktalar (singularity) adı verilen matematiksel tehlike bölgeleridir. Bu konumlarda robotun eklemleri öyle bir şekilde hizalanır ki, bir an için bir hareket derecesini kaybeder. **Gupta** çalışmasında bunu insan anatomisine benzetmiş: kola ağır bir şey itilirken dirseği tamamen düzleştirmek, bir anda yana doğru hareket yapamayı imkânsız hale getirmek gibi. Farklı yapıdaki robotlar, tekil noktalar açısından farklı topolojiye sahip olduğu için eski robotta güvenli olan bir hareket, yeni robotta kontrolü kaybettirmesi veya eklemleri sonsuz hızda döndürmesi gibi tehlikeli durumlar yaratabiliyordu.
Kinematik Zeka, robotlara kendi fiziksel sınırlamalarından haberdar olmalarını sağlayan derin bir matematiksel bilinç kazandırıyor. Bu sayede bir beceri sadece bir kez gösterilirse, tamamen farklı tipte bir robot tarafından güvenli şekilde yürütülebiliyor. İlginç olarak bu sistem **yapay zeka olmadan** geliştirildi; geleneksel mühendislik yöntemleriyle oluşturulmuş karmaşık matematiksel formüllerle çalışıyor.
Araştırma ekibi, ters kinematiği (inverse kinematics) güncelleyerek robotun uç-eyleyicisinin hedef konumundan geriye doğru hangi eklem pozisyonlarının gerekli olduğunu hesaplayan formülleri iyileştirmiştir. Böylece robotlar, tek bir insani gösteri ile farklı donanımlarda görevleri başarıyla tamamlayabiliyor.