MIT ve Stanford araştırmacıları, büyük dil modellerini mobil robotlara entegre ederek çığır açan bir başarı elde etti. Geliştirilen sistem, çevresini algılayabilen, kendini tanıyabilen ve hareketlerini öngörebilen robotlar yaratmayı başardı. Sensorimotor deneyimler sayesinde robot, kendi doğasını ve hareket özelliklerini çıkarsamayı öğrendi. Bu gelişme, yapay zekanın öz-farkındalık kazanması yolunda önemli bir adım olarak değerlendiriliyor. Araştırma, minimal benlik kavramının temelini oluşturan öz-tanıma yetisinin, insan olmayan platformlarda nasıl geliştirilebileceğini gösteriyor. Bulgular, gelecekte daha özerk ve akıllı robot sistemlerin geliştirilmesi için yeni kapılar açıyor.

Düşük ışıklı ortamlarda çekilmiş görüntülerden 3D sahne yeniden yapılandırması, bilgisayar görüsünün en zorlu alanlarından biri. Mevcut yöntemler önceden hesaplanmış kamera pozisyonlarına ve sahne-spesifik optimizasyonlara bağımlı olduğu için gerçek dünya uygulamalarında sınırlı kalıyor. Araştırmacılar, bu kısıtlamaları aşmak için Lumos3D adında yenilikçi bir framework geliştirdi. Bu sistem, kamera pozisyon bilgisine ihtiyaç duymadan tek bir ileri geçişte düşük ışıklı çok açılı görüntülerden 3D sahne restorasyonu gerçekleştiriyor. Çapraz aydınlatma damıtması ve özel Lumos kaybı gibi teknikler kullanarak hem aydınlatmayı hem de yapısal bilgiyi doğrudan restore ediyor. Gerçek dünya veri setlerinde test edilen sistem, sahne bazında eğitim gerektirmeden başarılı sonuçlar veriyor. Bu gelişme, gece görüş sistemleri, güvenlik kameraları ve robotik uygulamaları için önemli potansiyel taşıyor.

Araştırmacılar, Model Öngörülü Kontrol (MPC) sistemlerinin model belirsizliği karşısındaki performans sorunlarını çözmek için yenilikçi bir optimizasyon çerçevesi geliştirdi. Yöntem, diferansiyel optimizasyon ile sıfırıncı dereceden optimizasyonu birleştirerek, model tabanlı ve model içermeyen gradient tahmini yaklaşımlarını harmanlıyor. Bu hibrit strateji, tamamen veri odaklı yöntemlere kıyasla daha hızlı geçici performans sunuyor ve model belirsizliği durumunda bile yakınsama garantileri sağlıyor. 12 boyutlu quadcopter modeli üzerinde yapılan testlerde yaklaşımın etkinliği kanıtlandı. Gerçek zamanlı yörünge planlama ve optimizasyon gerektiren MPC politikaları için bu gelişme, özellikle sistem dinamiklerinin tam olarak bilinmediği durumlarda önemli bir ilerleme sunuyor.

Araştırmacılar, yapay zeka sistemlerinin karmaşık görevleri yerine getirmesi için yeni bir otomatik sentez yöntemi geliştirdi. LTLf+ adı verilen bu yaklaşım, sistemlerin hem güvenlik hem de performans gereksinimlerini aynı anda karşılamasını sağlıyor. Yöntem, geleneksel yaklaşımlara göre çok daha hızlı çalışıyor ve sembolik deterministik zayıf otomatlar kullanarak karmaşık görevleri basit adımlara dönüştürüyor. Bu gelişme, otonom araçlardan endüstriyel kontrol sistemlerine kadar birçok alanda güvenilir yapay zeka uygulamaları geliştirmek için önemli bir adım.

Araştırmacılar, robotların gerçek dünyada navigasyon yapabilmesini sağlayacak kapsamlı bir veri seti geliştirdi. EgoWalk adlı bu veri seti, 50 saatlik insan yürüyüş verisi içeriyor ve iç mekân-dış mekân, farklı mevsimler ve çeşitli lokasyonları kapsıyor. Veri seti, robotların doğal dil komutlarını anlayarak hedeflerine ulaşmasını ve yürünebilir alanları tanımasını sağlayacak özellikler sunuyor. Bu çalışma, yapay zeka destekli robot navigasyonu alanında önemli bir adım olarak değerlendiriliyor.

Araştırmacılar, yapay zeka ajanlarının çevrelerini anlayıp sorulara cevap verebilme yeteneklerini test etmek için yeni bir benchmark geliştirdi. BridgeEQA adlı bu sistem, 200 gerçek köprüden toplanan 10 bin görüntü ve 2200 soru-cevap çifti içeriyor. Sistem, altyapı denetimlerindeki zorluklardan ilham alarak, yapay zeka ajanlarının uzun vadeli bellek ve çok ölçekli akıl yürütme becerilerini değerlendiriyor. Bu çalışma, robotik ve otonom sistemlerin gerçek dünya uygulamalarına önemli katkı sağlayabilir.

Araştırmacılar, pençe benzeri robotik ajanların eğitimi için manuel olarak hazırlanan test ortamları sorununun çözümüne yönelik yenilikçi bir sistem geliştirdi. ClawEnvKit adlı bu otonom pipeline, doğal dil açıklamalarından hareketle çeşitli ve doğrulanmış sanal ortamları otomatik olarak üretebiliyor. Sistem üç temel modülden oluşuyor: doğal dili yapısal parametrelere dönüştüren bir ayrıştırıcı, görev tanımları ve araç arayüzleri üreten bir jeneratör, ve ortamların tutarlılığını kontrol eden bir doğrulayıcı. Bu teknoloji kullanılarak 24 farklı kategoride 1.040 ortam içeren Auto-ClawEval benchmark'ı oluşturuldu. Bu gelişme, robotik ajanların test edilmesi ve değerlendirilmesi sürecini önemli ölçüde hızlandıracak ve ölçeklenebilir hale getirecek.

Araştırmacılar, çok girişli-çok çıkışlı (MIMO) hiperbolik sistemler için yeni bir kontrol formu geliştirdi. Bu sistemler, dalga denklemleri ve ısı transferi gibi fiziksel süreçlerde karşılaşılan karmaşık matematiksel yapılardır. Geleneksel tek girişli-tek çıkışlı sistemlerde başarılı olan kontrol yöntemlerinin çoklu sistem durumunda yetersiz kaldığı tespit edildi. Yeni yaklaşım, sistemdeki gecikmeleri ve tahminleri ifade etmek için quasi-polinomlar kullanarak cebirsel bir çözüm sunuyor. Bu gelişme, robotik, havacılık ve enerji sistemlerinde daha etkili kontrol stratejilerinin geliştirilmesine olanak sağlayabilir.

Araştırmacılar, karmaşık ortamlarda faaliyet gösteren çok ajanlı sistemlerin performansını artırmak için BOIL (Blackbox Oracle Information Learning) adını verdikleri yeni bir yöntem geliştirdi. Bu yaklaşım, sınırlı bilgiden maksimum verim alarak ajanların uzun vadeli davranışlarını yönlendirebiliyor. PageRank algoritması ve ortak bilgi maksimizasyonu tekniklerini kullanan sistem, özellikle alan kaplama, devriye gezme ve stokastik erişilebilirlik problemlerinde etkili çözümler sunuyor. Deneysel sonuçlar, BOIL'in geleneksel sezgisel yaklaşımları geride bırakarak karmaşık ortamlarda daha iyi performans sergilediğini gösteriyor.

Bilim insanları, az sayıda motor ile daha fazla eklemli robotları kontrol etmenin zorluklarından birine çözüm geliştirdi. Bu tür robotlar daha hafif ve ekonomik olmasına rağmen, hedef konuma vardıklarında istenmeyen titreşimler yaşıyordu. Araştırmacılar, diferansiyel düzlem teorisi ile optimal kontrol yöntemlerini birleştirerek bu sorunu ele aldı. Çalışmada, özellikle düşük hızlı hareketlerde ihmal edilen sürtünme kuvvetlerinin neden olduğu salınımlar için yeni bir kontrol stratejisi önerildi. Bu yaklaşım, robotların daha hassas ve kararlı çalışmasını sağlayarak endüstriyel uygulamalarda performansı artırabilir.

Yapay zeka araştırmacıları, robotların görsel algı ve eylem kabiliyetlerini birleştiren modellerde 'düşünce zinciri' yaklaşımının gerçekten faydalı olup olmadığını araştırdı. Chain-of-Thought (CoT) adı verilen bu yöntemde robotlar, eylem almadan önce adım adım mantıklı çıkarımlar yapıyor. Ancak yeni bulgular, bu yaklaşımın her zaman işe yaramadığını ortaya koyuyor. Araştırmacılar, CoT'nin etkili olabilmesi için iki kritik koşulun aynı anda sağlanması gerektiğini keşfetti: farklı veri türlerinin uygun mekanizmalarla işlenmesi ve mantıksal çıkarımların görev başarısıyla nedensel olarak bağlantılı olması. Bu koşullar sağlanmadığında, düşünce zincirleri performansı %4.2 oranında düşürebiliyor ve dağılım kayması durumlarında %32'ye varan başarı düşüşleri yaşanabiliyor.