Yapay zeka destekli robotların eğitimi için kullanılan 3D içerik üretimi teknolojilerinde önemli gelişmeler yaşanıyor. Yeni araştırma, robotların sanal ortamlarda daha etkili öğrenebilmesi için fiziksel özellikler taşıyan 3D nesneler ve etkileşimli ortamlar oluşturulmasının önemini vurguluyor. Bu teknoloji, robotların gerçek dünyaya geçmeden önce sanal ortamlarda kapsamlı eğitim almasını sağlıyor. Geleneksel 3D modellemeden farklı olarak, bu yeni yaklaşım sadece görsel gerçekçiliğe odaklanmıyor; üretilen nesnelerin fiziksel davranışları, hareket kabiliyetleri ve malzeme özellikleri de simülasyona dahil ediliyor. Bu gelişme, robotik sistemlerin daha güvenilir ve etkili bir şekilde eğitilmesini mümkün kılarak, yapay zeka alanında önemli bir adım teşkil ediyor.

Araştırmacılar, görsel-dil modellerindeki toplumsal önyargıları değerlendirmek için VIGNETTE adlı kapsamlı bir test sistemi geliştirdi. 30 milyondan fazla görsel içeren bu sistem, yapay zekanın görsel ipuçlarından yola çıkarak nasıl toplumsal kalıpyargılara dayalı çıkarımlar yaptığını ortaya koyuyor. Çalışma, mevcut bias araştırmalarının ötesine geçerek, yapay zekanın gerçek yaşam bağlamlarında kimlik algısı, karar verme süreçleri ve ayrımcılık eğilimlerini analiz ediyor. Sosyal psikoloji yaklaşımını benimseyen araştırma, AI sistemlerinin görsel kimlik işaretlerini nasıl toplumsal hiyerarşilere dönüştürdüğünü gösteriyor.

Araştırmacılar, görsel-metin ve metin-görsel üretim görevlerini değerlendirmek için geliştirilen MINOS adlı yeni bir yapay zeka modeli sundu. Geleneksel değerlendirme yöntemlerinin sınırlılıklarını aşmak için tasarlanan bu model, çok boyutlu büyük dil modellerinin potansiyelini kullanıyor. Önceki çalışmaların aksine, MINOS sadece büyük ölçekli veri toplamaya odaklanmak yerine veri kalitesine öncelik veriyor. Araştırma ekibi, 15 farklı veri setinden örnekler içeren Minos-57K adlı kapsamlı bir değerlendirme veri seti oluşturdu. En dikkat çekici yanı, önceki çalışmaların yarısından az eğitim verisi kullanmasına rağmen tutarlı güçlü performans sergilemesi. Bu gelişme, yapay zeka sistemlerinin görsel ve metinsel içerik üretimini değerlendirme konusundaki yeteneklerini önemli ölçüde artırabilir.

Görsel-dil navigasyon sistemlerinde kullanılan büyük yapay zeka modellerinin hesaplama maliyeti, gerçek zamanlı uygulamalarda ciddi bir engel oluşturuyor. Araştırmacılar, bu sorunu çözmek için VLN-Cache adlı yenilikçi bir sistem geliştirdi. Bu sistem, görsel verilerin tekrar kullanımını optimize ederek hesaplama yükünü azaltıyor. Ancak mevcut yöntemler sabit kamera ve değişmeyen odak noktası varsayımına dayanıyor - bu da navigasyon sistemlerinin doğasıyla çelişiyor. Yeni sistem, kamera açısı değişikliklerinin neden olduğu görsel dinamikleri ve görevin ilerlemesiyle değişen anlam dinamiklerini dikkate alıyor. VLN-Cache, görüş açısı değişikliklerini telafi eden haritalama sistemi ve görevin farklı aşamalarında önemsiz hale gelen verileri filtreleyen akıllı bir süzgeç içeriyor.

Araştırmacılar, robotların dokunma ve görme duyularını birleştirerek çevreyi daha iyi algılayabilmesi için ViTaPEs adlı yeni bir yapay zeka modeli geliştirdi. Bu model, transformer mimarisini kullanarak görsel ve dokunsal verileri aynı anda işleyebiliyor. Robotik alanında önemli bir gelişme olan bu sistem, malzeme dokusunu, sertliğini ve kuvvet bilgilerini görsel verilerle harmanlayarak daha kapsamlı çevresel algı sağlıyor. Model, iki aşamalı konumsal kodlama sistemi kullanarak her modaliteye özel yerel kodlamalar ve ortak global kodlamalar uyguluyor. Bu yaklaşım, robotların farklı görevlerde ve ortamlarda daha başarılı performans göstermesini sağlayabilir.

Araştırmacılar, robotların insan hareketlerini taklit ederek öğrenmesi için yeni bir yöntem geliştirdi. SD2AIL adlı bu sistem, gerçek uzman gösterilerinin yanına difüzyon modelleriyle üretilen sentetik gösteriler ekleyerek öğrenme sürecini güçlendiriyor. Geleneksel taklit öğrenmede robotlara yeterli sayıda gerçek örnek göstermek zor ve maliyetli olabiliyor. Yeni yaklaşım, bu sorunu yapay gösteriler üreterek çözüyor ve en değerli örnekleri seçerek öğrenme verimliliğini artırıyor. Simülasyon testleri, bu yöntemin robotların daha az gerçek veriye ihtiyaç duyarak başarılı performans sergileyebildiğini gösteriyor. Çalışma, robotik alanında taklit öğrenme teknolojilerinin gelişimi açısından önemli bir adım.

Araştırmacılar, yapay zekanın görsel problemleri çözerken yaşadığı temel sorunu ele aldı. Mevcut sistemler görselleri algılayabiliyor ama mantıksal yapıları kavrayamıyor. Yeni geliştirilen 'Thinking with Drafting' (TwD) yöntemi, yapay zekanın görsel bilgiyi mantıksal kod yapısına dönüştürmesini sağlıyor. Bu yaklaşım, sistemin doğrudan cevap üretmek yerine düşünce sürecini kodlayarak kendini doğrulamasına olanak tanıyor. Görsel algının mantıksal yapıya dönüştürülmesi süreci 'optik dekompresyon' olarak adlandırılıyor.

Araştırmacılar, yapay zeka modellerinin bilimsel makaleleri daha iyi anlaması için SciMDR adlı yenilikçi bir sistem geliştirdi. Bu sistem, metin ve görsel içerikleri birlikte değerlendirerek bilimsel belgelerdeki karmaşık bilgileri çözümleyebiliyor. Geleneksel yaklaşımların aksine, iki aşamalı bir yöntem kullanarak hem doğruluk hem de gerçekçilik sağlıyor. İlk aşamada odaklanmış soru-cevap çiftleri üretiyor, ikinci aşamada ise bunları tam belge bağlamına entegre ediyor. 20 bin bilimsel makale üzerinde 300 bin soru-cevap çifti içeren büyük ölçekli bir veri seti oluşturuldu. Testler, bu sistemle eğitilen yapay zeka modellerinin bilimsel belgeleri anlama kapasitesinde önemli gelişmeler gösterdiğini ortaya koydu.

Fizikçiler, 3D yazıcı teknolojisini kullanarak gelişmiş radyasyon dedektörleri üretmenin yolunu açtı. Araştırmacılar, titanyum dioksit ve PTFE içeren özel beyaz yansıtıcı filamentler geliştirerek, plastik sintillatör dedektörlerin 3D baskısını mümkün hale getirdi. Bu yenilikçi yaklaşım, kozmik ışın tespitinden tıbbi görüntülemeye kadar geniş bir alanda kullanılabilecek kompakt ve modüler dedektörlerin üretilmesini sağlıyor. Geleneksel plastik sintillatör dedektörlerle eşdeğer performans gösteren bu teknoloji, radyasyon algılama sistemlerinin üretim maliyetini düşürürken, tasarım esnekliğini artırıyor. Çalışma, bilimsel araştırmalardan endüstriyel uygulamalara kadar pek çok alanda devrim yaratabilecek potansiyele sahip.

Araştırmacılar, DIII-D füzyon reaktöründe yapay zeka destekli gerçek zamanlı tanı sistemi geliştirdi. FPGA çipleri üzerinde çalışan sinir ağları, plazma içindeki tehlikeli koşulları önceden tespit ederek reaktörü koruma altına alıyor. Sistem, zararlı plazma patlamalarını engellemek için manyetik bobinleri otomatik olarak devreye sokuyor. Bu gelişme, gelecekteki ticari füzyon reaktörleri için kritik güvenlik teknolojilerinin temelini oluşturuyor.

Araştırmacılar, yapay zeka sistemlerinin ürettiği raporları otomatik olarak değerlendiren Auto-ARGUE adlı yeni bir araç geliştirdi. Bu sistem, büyük dil modellerini kullanarak kaynak destekli raporların kalitesini ölçebiliyor. TREC 2024 yarışmalarında yapılan testlerde, sistemin değerlendirmeleri insan uzmanların görüşleriyle yüksek düzeyde uyum gösterdi. Özellikle RAG (Retrieval-Augmented Generation) sistemlerinin ürettiği raporları analiz etmek için tasarlanan araç, bilimsel literatürde bu alanda önemli bir boşluğu dolduruyor. Araştırma ekibi ayrıca ARGUE-Viz adlı görsel analiz aracını da piyasaya sürerek, değerlendirme sonuçlarının detaylı incelenmesini mümkün kıldı.