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, büyük dil modellerini kullanarak akıllı veri toplama sistemi geliştirdi. Sistem, kamera, LiDAR ve diğer sensörlerden sürekli veri toplamak yerine, sadece belirli koşullar oluştuğunda kayıt yapmayı sağlıyor. Kullanıcılar doğal dille isteklerini belirtebiliyor, yapay zeka bu istekleri özel programlama diline çeviriyor. Böylece depolama maliyetleri düşürülürken, gereksiz veri birikimine son veriliyor. Araç ve robot teknolojilerinde test edilen sistem, geleneksel yöntemlere kıyasla daha tutarlı sonuçlar üretiyor ve daha hızlı çalışıyor. Bu yaklaşım, özellikle IoT cihazları ve otonom sistemlerde veri yönetiminde devrim yaratabilir.

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.

Araştırmacılar, robotların karmaşık ve engelli ortamlarda daha etkili hareket edebilmesi için yeni bir yapay zeka sistemi geliştirdi. Hierarchical Neural Time Fields (H-NTFields) adı verilen bu sistem, fizik kurallarını yapay sinir ağlarıyla birleştirerek robotların çok odalı ortamlarda güvenli yol bulma kabiliyetini artırıyor. Geleneksel yöntemlerin aksine, sistem seyrek yol haritalarından gelen zayıf denetimli öğrenmeyi kullanarak global tutarlılık sağlıyor. Bu gelişme, otonom araçlardan endüstriyel robotlara kadar geniş bir uygulama yelpazesinde devrim yaratabilir.

MIT ve Stanford araştırmacıları, farklı yeteneklerdeki robotların bir arada güvenli çalışması için yeni bir sistem geliştirdi. Capability-Aware Heterogeneous Control Barrier Function (CA-HCBF) adlı bu yaklaşım, her robotun kendi fiziksel sınırlarını bilerek güvenlik kararları almasını sağlıyor. Sistem, tekerlekli robotlar ve insansı robotlar gibi farklı hareket kabiliyetlerine sahip makinelerin aynı ortamda çarpışmadan çalışmasına olanak tanıyor. Geleneksel yöntemler tüm robotları aynı kabul ederken, yeni sistem her robotun kendine özgü hareket sınırlarını dikkate alarak daha güvenli ve verimli koordinasyon sağlıyor.

Yapay zeka sistemleri gerçek dünyada sürekli bilgi akışına erişemeyebilir - sensör sınırları, iletişim kesintileri ya da hesaplama kısıtları nedeniyle. MIT araştırmacıları, bu zorlu koşullarda çalışan AI ajanlarının performansını analiz eden yeni bir çerçeve geliştirdi. Zamana bağlı değişen ortamlarda, eski bilgilerle karar almak zorunda kalan yapay zeka sistemlerinin ne kadar etkili olabileceğini matematiksel olarak kanıtladılar. Bu çalışma, otonom araçlardan robot sistemlere, gerçek zamanlı veri akışının kesintiye uğradığı her durumda kritik öneme sahip. Araştırma, AI'nin güvenilirliği ve dayanıklılığı konusunda yeni perspektifler sunuyor.