Araştırmacılar, robotların hassas manipülasyon görevlerini gerçekleştirmesinde dokunma duyusunun kritik önemini ortaya koydu. Geliştirilen yeni sistem, görsel ve dokunsal verileri birleştiren bir yapay zeka modeli kullanarak robotlara kibrit yakma gibi karmaşık görevleri öğretiyor. Çalışma, robotik manipülasyonun geleceği için dokunma sensörlerinin vazgeçilmez olduğunu kanıtlıyor. Bu teknoloji, robotların hassasiyet gerektiren endüstriyel görevlerden günlük yaşam uygulamalarına kadar geniş bir yelpazede kullanılmasının önünü açabilir. Araştırma, özellikle hızlı ve dinamik temas gerektiren işlemlerde robotların performansını dramatik şekilde artırıyor.

Araştırmacılar, çok parçalı montajlar ve eklemli mekanizmalar gibi karmaşık dinamik nesnelerin hem geometrisini hem de hareketini eş zamanlı olarak modelleyebilen D-Prism adlı yeni bir framework geliştirdi. Mevcut yöntemler genellikle nesnenin yapısını göz ardı ederek sadece deformasyona odaklanırken, D-Prism diferansiyellenebilir primitifler ve 3D Gaussian Splatting teknolojilerini birleştireyor. Bu yaklaşım, nesnelerin gerçek geometrik yapısını korurken hareketlerini yüksek doğrulukla takip edebiliyor. Framework ayrıca adaptif kontrol stratejisi sayesinde primitif sayısını dinamik olarak ayarlayarak nesnelerin gerçek uzamsal ayak izine daha iyi uyum sağlıyor. Bu gelişme, robotik simülasyonlar, artırılmış gerçeklik uygulamaları ve 3D animasyon alanlarında önemli ilerlemeler sağlayabilir.

Seri manipülatör robotlarda kritik hareket durumlarını güvenli şekilde yöneten J-PARSE algoritması geliştirildi. Robot kollarının belirli pozisyonlarda kontrolünü kaybetmesine neden olan kinematik tekillikler sorunu, bu yeni yaklaşımla çözülüyor. Algoritma, robotun hareket kabiliyetini boyut boyut değerlendirerek, tehlikeli durumları önceden tespit ediyor ve hareket komutlarını güvenli şekilde değiştiriyor. Çalışma, endüstriyel robotların daha güvenilir çalışması için önemli bir adım teşkil ediyor.

Araştırmacılar, otonom sistemlerde güvenliği artırmak için yeni bir yöntem geliştirdi. Adaptive Conformal Filtering (ACoFi) adlı bu teknik, öğrenme tabanlı güvenlik filtrelerinin hatalarını dinamik olarak telafi ediyor. Sistem, kendi tahminlerindeki belirsizlikleri analiz ederek güvenlik kriterlerini otomatik olarak ayarlıyor. Yüksek boyutlu kontrol sistemlerinde geleneksel yöntemlerin yetersiz kaldığı durumlarda, bu yaklaşım hem ölçeklenebilirlik hem de güvenilirlik sağlıyor. Özellikle robotik ve otonom araç uygulamalarında kritik öneme sahip olan bu gelişme, yapay zekanın güvenlik açısından daha güvenilir hale gelmesine katkı sunuyor.

Araştırmacılar, insan hareketlerini anlama ve üretme süreçlerini birleştiren yenilikçi bir yapay zeka sistemi geliştirdi. CoAMD adlı bu sistem, yazılı açıklamaları iskelet koordinatlarına dönüştürerek gerçekçi insan hareketleri oluşturabiliyor. Sistemin kalbi olan çok modlu hareket tanıyıcısı (MAR), metin ve hareket arasında köprü kurarak her iki süreci de optimize ediyor. Bu çalışma, bilgisayarlı görü alanında hareket tanıma ve hareket üretiminin ayrı ayrı çalışıldığı geleneksel yaklaşımdan farklı olarak, bu iki alanı birleştirerek daha etkili sonuçlar elde etmeyi hedefliyor. Araştırma, animasyon endüstrisi, robotik ve sanal gerçeklik uygulamaları için önemli potansiyel taşıyor.

Araştırmacılar, otonom robotlar için geliştirilen XEmbodied adlı yeni bir yapay zeka modeli sundu. Mevcut görü-dil modelleri sadece 2D görüntülerle eğitildikleri için gerçek dünyada fiziksel etkileşim konusunda yetersiz kalıyordu. XEmbodied, robotlara 3D geometrik farkındalık kazandırarak bu sorunu çözmeyi hedefliyor. Model, 3D kutu bilgileri ve doluluk haritaları gibi fiziksel ipuçlarını anlayabiliyor. Özel adaptörler sayesinde geometrik verileri işleyebilen sistem, 18 farklı test ortamında başarılı performans gösterdi. Bu gelişme, gelecekteki otonom robotların çevrelerini daha iyi anlamasını ve fiziksel dünyayla etkileşimde bulunmasını sağlayacak.

Araştırmacılar, robotların esnek ve yumuşak malzemelerle çalışmasını öğrenmesi için FLASH adlı yeni bir simülasyon sistemi geliştirdi. Bu GPU tabanlı sistem, geleneksel yaklaşımlardan 10-50 kat daha hızlı çalışarak robotların dakikalar içinde karmaşık manipülasyon görevlerini öğrenmesini sağlıyor. Isaac Sim gibi mevcut sistemler katı cisim manipülasyonunda başarılı olsa da, esnek malzemelerle çalışmada yetersiz kalıyordu. FLASH, sürekli değişen geometri ve çok sayıda temas kısıtlaması ile başa çıkabilecek şekilde GPU mimarisine özel olarak tasarlandı. Bu gelişme, robotların hamur yoğurma, kumaş katlama veya organik malzemelerle çalışma gibi görevleri daha etkili öğrenmesini sağlayabilir.

MIT araştırmacıları, robotların dokunma duyusunu kullanarak karmaşık manipülasyon becerilerini öğrenmesini sağlayan yeni bir yöntem geliştirdi. PTLD adı verilen bu teknoloji, simülasyon ortamında öğrenilen becerilerin gerçek dünyaya aktarılmasındaki en büyük sorunlardan birini çözüyor. Geleneksel yöntemler ya insan gösterimi gerektiriyor ya da dokunma sensörlerinin simülasyonunda zorlanıyor. Yeni yaklaşım ise gerçek dünyada toplanan dokunsal veri kullanarak robotların çok parmaklı ellerle hassas işlemler yapmasını mümkün kılıyor. Bu gelişme, ev işlerinin otomasyonundan endüstriyel uygulamalara kadar robotik alanında önemli ilerlemeler sağlayabilir.

Bilgisayar bilimciler, çokgenleri en az sayıda dışbükey parçayla kaplama problemini çözmek için yeni bir yaklaşım geliştirdi. 'Çürük patates soyma' olarak adlandırılan bu yöntem, önceki algoritmaların zaman karmaşıklığını dramatik şekilde azaltırken aynı doğruluk garantisini koruyor. Minimum dışbükey kaplama problemi, robotik, bilgisayar grafikleri ve coğrafi bilgi sistemlerinde önemli uygulamalara sahip. Araştırmacılar problemi bir küme kaplama problemi olarak yeniden formüle ederek, her adımda en çok kaplanmamış bölgeyi kapsayan dışbükey çokgeni bulma yaklaşımını benimsiyor. Bu çekirdek alt problem, klasik patates soyma probleminin bir varyantı olarak ele alınıyor ve yönlendirilmiş asiklik graflar üzerinde maksimum ağırlıklı yollar bulunarak çözülüyor.

Araştırmacılar, yüksek boyutlu verilerdeki filtreleme problemlerini çözmek için derin yoğunluk yaklaşımlarına dayanan iki yeni yapay zeka yöntemi geliştirdi. Bu yöntemler, geleneksel parçacık filtrelerinin yetersiz kaldığı 100 boyutlu sistemlerde bile etkili sonuçlar veriyor. Stokastik diferansiyel denklemler ve Bayesci güncellemeler kullanarak, karmaşık dinamik sistemlerin durumlarını tahmin edebilen bu teknoloji, hava durumu tahmini, finans modelleme ve robotik gibi alanlarda devrim yaratabilir. Çalışma, sinir ağlarını matematik temelli Feynman-Kac formülleriyle birleştirerek, büyük veri setlerindeki gürültülü gözlemlerden anlamlı bilgi çıkarma yeteneğini önemli ölçüde artırıyor.

Görme-dil-eylem yapay zeka modelleri standart robot testlerinde yüksek başarı oranları gösterse de, gerçek dünyada akıl yürütme yetenekleri sorgulanıyor. Araştırmacılar, bu modellerin gerçek bilişsel kapasitelerini ölçmek için BeTTER adlı yeni bir test sistemi geliştirdi. Test sonuçları, en gelişmiş yapay zeka robotlarının bile dinamik ortamlarda ciddi başarısızlıklar yaşadığını ortaya koydu. Modeller, gerçek akıl yürütme yerine kısayollar kullanarak yanıltıcı başarılar elde ediyor. Bu bulgular, genel amaçlı fiziksel zeka iddialarının yeniden değerlendirilmesi gerektiğini gösteriyor.