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.

Araştırmacılar, makine öğrenmesi sistemleri için video sıkıştırma teknolojisinde önemli bir yenilik geliştirdi. PAT-VCM adlı yeni sistem, farklı yapay zeka görevleri için ayrı ayrı video kodlayıcı eğitme ihtiyacını ortadan kaldırıyor. Geleneksel yöntemler her görev için özel sıkıştırma algoritması gerektirirken, bu sistem tek bir temel video akışını hafif 'yardımcı tokenlar' ile destekleyerek çoklu görevlerde kullanılabiliyor. Sistem, görsel kalıntı tokenları, kontrol tokenları ve anlamsal tokenlar olmak üzere üç tür yardımcı bilgi türünü destekliyor. Nesne tespiti, derinlik tahmin etme ve görüntü segmentasyonu gibi farklı görevlerde test edilen sistem, her görev için ayrı model eğitme maliyetini azaltırken performansı koruyor. Bu yaklaşım, yapay zeka sistemlerinin video analizi yeteneklerini daha verimli hale getirerek endüstriyel uygulamalarda önemli bir adım teşkil ediyor.

Araştırmacılar, fiziksel sistemlerin dijital modellemesinde kararlılık ve yapısal özelliklerini koruyan yeni bir yapay zeka yaklaşımı geliştirdi. Port-Hamiltonian sistemler olarak bilinen bu matematiksel modeller, robotik, enerji sistemleri ve kontrol mühendisliğinde kritik öneme sahip. Geleneksel yöntemler tek bir denge noktasını koruyabilirken, yeni teknik birden fazla kararlı denge durumunu aynı anda muhafaza edebiliyor. Bu breakthrough, yapay zekanın fizik yasalarına uygun simülasyonlar yapmasında önemli bir adım.

Araştırmacılar, robot kollarının kendi vücutlarını görsel olarak algılayarak hareket edebilmesi için yenilikçi bir yöntem geliştirdi. Bu sistem, robotların üzerine herhangi bir işaretçi yerleştirmeden, sadece doğal görsel özelliklerini kullanarak kendilerini konumlandırabilmesini sağlıyor. Geliştirilen teknik, önce robot üzerine ArUco işaretçiler yerleştirerek veri topluyor, ardından bu işaretçileri dijital olarak silerek doğal görünümlü robot görüntüleri elde ediyor. Bu yaklaşım, özellikle işaretçi yerleştirmenin mümkün olmadığı endüstriyel uygulamalar için büyük önem taşıyor ve robot kontrolünde yeni bir dönem başlatabilir.

Araştırmacılar, eksik bilgiye sahip sistemlerde çalışan robotlar için yeni bir kontrol algoritması geliştirdi. Path integral kontrol yöntemi, geleneksel olarak tam gözlemlenebilen sistemlerde kullanılırken, yeni yaklaşım belirsizlik içeren durumları da ele alabiliyor. Gaussian inanç uzayı kullanılarak geliştirilen MPPI-Belief algoritması, robotların çevreyi tam olarak algılayamadığı durumlarda daha etkili kararlar almasını sağlıyor. Bu yenilik özellikle otonom navigasyon, drone kontrolü ve endüstriyel robotik uygulamaları için kritik önem taşıyor. Sistem, belirsizlik altında optimal yol planlama yapabilen yapay zeka sistemlerinin geliştirilmesinde önemli bir adım olarak değerlendiriliyor.