Araştırmacılar, video analizi alanında önemli bir yenilik geliştirdi. 3AM adlı yeni sistem, SAM2 video segmentasyon teknolojisini 3D geometrik özelliklerle güçlendirerek, kamera açısı değişimlerinde bile tutarlı nesne takibi sağlıyor. Geleneksel yöntemlerin aksine, sadece RGB görüntü girişiyle çalışan sistem, karmaşık ön işleme veya kamera pozisyonu bilgisine ihtiyaç duymuyor. MUSt3R teknolojisinden gelen 3D farkındalığı sayesinde, sistem hem görsel benzerlik hem de uzamsal konum bilgisini kullanarak nesneleri daha güvenilir şekilde tanımlayabiliyor. Bu gelişme, video analizi, artırılmış gerçeklik ve robotik uygulamalar için önemli bir adım.

Araştırmacılar, 3D nesneleri otomatik olarak anlamlı parçalara ayırabilen yenilikçi bir yapay zeka sistemi geliştirdi. SegviGen adlı bu sistem, mevcut 3D üretici modellerden yararlanarak nesnelerin farklı bölümlerini renkli kodlarla ayırt ediyor. Geleneksel yöntemlerin aksine, büyük veri setlerine ya da yoğun hesaplama gücüne ihtiyaç duymuyor. Sistem, kullanıcı etkileşimli segmentasyon, tam otomatik bölümleme ve 2D rehberlikli segmentasyon gibi farklı modlarda çalışabiliyor. Bu teknoloji, 3D modelleme, oyun geliştirme, robotik ve sanal gerçeklik uygulamalarında önemli ilerlemeler sağlayabilir. Özellikle karmaşık 3D nesnelerin analizinde ve manipülasyonunda yeni olanaklar sunuyor.

Araştırmacılar, üretim ortamlarında insan ve robotların birlikte çalışmasını optimize eden yeni bir yapay zeka algoritması geliştirdi. Sistem, çalışanların gerçek zamanlı konumlarını ve hareket mesafelerini dikkate alarak görevleri akıllıca planlıyor ve dağıtıyor. Hiyerarşik yapısıyla karmaşık üretim süreçlerini alt görevlere bölen algoritma, üst seviyede görev planlaması, alt seviyede ise görev dağıtımı yapıyor. Özellikle geliştirilen EBQ (Etkin Tampon-tabanlı Derin Q-öğrenme) yöntemi, eğitim süresini kısaltırken uzun vadeli ve seyrek ödüllü üretim problemlerinde performansı artırıyor. Bu teknoloji, gelişmiş üretim sistemlerinde insan-robot işbirliğinin verimliliğini önemli ölçüde artırarak endüstriyel otomasyonun geleceğini şekillendirmeye aday.

Araştırmacılar, robotların farklı ortamlarda hızla adapte olabilmesi için yeni bir yapay zeka yaklaşımı geliştirdi. Sistem tanımlama problemini 'bağlamsal meta-öğrenme' olarak ele alan çalışma, diffusion modellerini kullanarak robotların dinamik davranışlarını tahmin etmeyi amaçlıyor. Geleneksel Transformer tabanlı deterministik modellere karşı iki farklı diffusion yaklaşımı test edildi: girdi-gözlem dağılımını öğrenen 'inpainting diffusion' ve kontrol girdilerine dayalı gelecek gözlemleri üreten 'koşullu diffusion modelleri'. Geniş çaplı simülasyonlar, diffusion modellerinin özellikle dağılım dışı koşullarda daha güçlü performans sergilediğini gösterdi. Bu gelişme, robotların bilinmeyen ortamlarda daha esnek ve güvenilir davranabilmesi için önemli bir adım.

Araştırmacılar, belirsizlik içeren karmaşık sistemleri kontrol etmek için yeni bir algoritma geliştirdi. Belirsiz Markov Karar Süreçleri (UMDP) soyutlaması kullanan bu yöntem, doğrusal olmayan stokastik sistemlerde optimal kontrolörler tasarlayabiliyor. Algoritma, sistemi adım adım iyileştirerek performans garantileri sunuyor ve 'kaybolan belirsizlik' koşulu altında mükemmel sonuçlara yaklaşıyor. Bu gelişme, otonom araçlardan robotik sistemlere kadar birçok alanda güvenli ve verimli kontrol sistemleri tasarımında önemli ilerlemeler sağlayabilir.

Araştırmacılar, birbirleriyle iletişim kuran robot sistemlerinin siber saldırılara karşı dayanıklılığını artıran yeni bir kontrol yöntemi geliştirdi. Çoklu ajan sistemleri olarak bilinen bu robot sürülerinde, hizmet reddi (DoS) saldırıları iletişimi kesintiye uğratarak sistemin başarısızlığına neden olabilir. Yeni yaklaşım, sabit zamanda işleyen ve mevcut sistemlerin aksine güçlü bağlantılılık gerektirmeyen dağıtık bir kontrol mekanizması sunuyor. Sistem, başlangıç durumlarından bağımsız olarak belirli bir süre içinde hedefine ulaşmayı garanti ediyor. Bu gelişme, otonom araç filosundan drone sürülerine kadar pek çok alanda güvenlik açısından kritik uygulamalar için önemli.

Robot kollarının hareket planlamasında karşılaşılan en büyük sorunlardan biri tekil durumlardır - robot eklemlerinin aniden çok hızlı hareket ettiği veya sistemin tamamen kilitlendiği durumlar. Yeni bir araştırma, bu sorunu çözmek için geliştirilen geleneksel matematik tabanlı yöntemlerle modern yapay zeka yaklaşımlarını kapsamlı olarak karşılaştırdı. Çalışmada 12 farklı çözüm yöntemi test edildi ve ilginç sonuçlar elde edildi: Sadece yapay zeka kullanan yöntemler beklenenden daha kötü performans gösterirken, matematik ve AI'ı birleştiren hibrit yaklaşımlar daha başarılı oldu. Bu bulgular, robotik sistemlerde güvenilirlik açısından kritik öneme sahip.

Araştırmacılar, fiziksel robotların yeteneklerini modüler bir şekilde yönetmek için ECM Contracts adlı yeni bir arayüz modeli geliştirdi. Bu sistem, robotların farklı yetenekleri kurması, güncellemesi ve birleştirmesi sürecini standartlaştırıyor. Geleneksel yazılım arayüzlerinin aksine, ECM Contracts altı farklı boyutu dikkate alarak robotların güvenli ve uyumlu çalışmasını sağlıyor. Bu yaklaşım, robot yeteneklerinin karmaşık kombinasyonlarının güvenilir bir şekilde çalışmasını mümkün kılarak, robotik sistemlerde modülerlik ve uyumluluk sorunlarına çözüm getiriyor.

Araştırmacılar, hareket halindeki koku kaynaklarını takip etme problemini matematiksel olarak modellediler. Çalışma, gecikmiş ve kesintili koku sinyalleriyle hedef tespiti yapmanın zorluklarını ele alıyor. Geliştirilen model, hedefin pozisyon ve hızını aynı anda tahmin eden bir karar verme sistemi kullanıyor. Bulgular, hedef sık yön değiştirdiğinde keşifsel stratejilerin etkili olduğunu, ancak hedef kararlı hareket ettiğinde bu yaklaşımların başarısız olduğunu gösteriyor. Bu araştırma, av arayan hayvanlardan otonom robot sistemlerine kadar geniş bir uygulama alanına sahip.

Fukuoka Üniversitesi araştırmacıları, yapay zeka algoritmalarının dış mekan ortamlarını daha iyi tanımlayabilmesi için kapsamlı bir panoramik 3D veri seti geliştirdi. İki farklı veri seti içeren bu çalışma, orman, sahil, yerleşim yeri, şehir merkezi ve park alanları gibi altı farklı kategoriyi kapsıyor. İlk veri seti 9 milyon noktalık yoğun 3D taramalar içerirken, ikincisi araç üzerinde gerçek zamanlı olarak toplanan 70 bin noktalık seyrek verilerden oluşuyor. Araştırmacılar bu verileri kullanarak yapay zeka modellerini test ettiklerinde, yoğun verilerle %96,42, seyrek verilerle %89,67 doğruluk oranına ulaştılar. Bu veri setleri, otonom sürüş teknolojilerinden robotik uygulamalara kadar birçok alanda kullanılabilecek açık kaynak olarak sunuldu.

Araştırmacılar, robotların karmaşık ortamlarda güvenli hareket etmesini sağlayan yenilikçi bir kontrol sistemi geliştirdi. Geleneksel güvenlik kontrol sistemleri, robotların dinamiklerinin matematiksel olarak tam bilinmesini gerektiriyordu ve bu durum gerçek dünya uygulamalarında ciddi kısıtlamalar yaratıyordu. Yeni yaklaşım, pekiştirmeli öğrenme tekniklerini kullanarak robotların çevrelerindeki belirsizliklere karşı dayanıklı güvenlik engellerini öğrenmesini sağlıyor. Sistem, düşman yapay zeka algoritmaları kullanarak en kötü senaryoları simüle ediyor ve robotların bu durumlarda bile güvenli kalmasını garanti ediyor. Bu gelişme, otonom araçlardan endüstriyel robotlara kadar geniş bir uygulama yelpazesinde güvenliği artırabilir.