Araştırmacılar, robotların nesneleri daha etkili kavrayabilmesi için iki farklı algoritma geliştirdi. GET-2D-1.0 adlı sistem, tek kamerayla alınan görüntülerden yararlanarak 683 milisaniyede kavrama planı oluştururken, GET-3D-1.0 sistemi ise üç boyutlu modelleme kullanarak daha hassas sonuçlar üretiyor. Fiziksel deneyler, 2D sistemin mevcut yöntemlere kıyasla nesneleri kaldırma başarısında %40 oranında iyileşme sağladığını gösterdi. Bu gelişme, endüstriyel robotların manipülasyon kabiliyetlerini artırarak otomasyonun daha karmaşık görevlerde kullanılmasının önünü açıyor.

MIT araştırmacıları, origami sanatından esinlenerek geliştirdikleri yeni robot gripper tasarımıyla robotik alanında çığır açıcı bir ilerleme kaydetti. Çamaşır suyu şişesinden oyuncak ayıya kadar farklı boyut ve şekillerdeki nesneleri başarıyla kavrayabilen bu sistem, deterministik deformasyon programlaması ile stokastik dolaşma mekaniğini birleştiriyor. İnce Mylar malzemeden üretilen tentakül benzeri yapılar, tek bir tendon çekme hareketiyle sarılma, bükülme ve bükülme hareketleri gerçekleştirebiliyor. Birden fazla tentakülün bir arada çalışması, nesneleri güvenli bir şekilde sararak kavrama sağlıyor. Bu yenilikçi yaklaşım, geleneksel robot gripper'lerin karmaşık kontrol sistemleri ve çoklu aktüatör ihtiyacını ortadan kaldırarak, daha basit ve etkili bir çözüm sunuyor.

Araştırmacılar, dış güç kaynağına ihtiyaç duymadan çalışabilen yenilikçi bir robot gripper geliştirdi. Bu sistem, içindeki sıvının yeniden dağıtılmasıyla çalışıyor ve temas ettiği nesnelerin boyutunu ve sertliğini algılayarak uygun kavrama gücü uyguluyor. Geleneksel sistemlerin aksine sürekli enerji gerektirmeyen bu teknoloji, özellikle sualtı ve saha çalışmaları için büyük potansiyel taşıyor. Üç bağlantılı bistabil odacık sistemi sayesinde, üstteki algılama odacığı deforme olduğunda, yer değiştiren sıvı kavrama odacıklarını genişletiyor ve kararlı bir tutuş sağlıyor.

Araştırmacılar, grip salgınlarının seyrini tahmin etmek için yenilikçi bir yapay zeka yaklaşımı geliştirdiler. Influpaint adlı sistem, salgın verilerini görsel imgeler haline dönüştürerek öğrenen difüzyon modellerini kullanıyor. Bu yöntem, geleneksel istatistiksel modellerin aksine çok boyutlu belirsizlikleri yakalayabiliyor ve yeni eğilimleri öngörebiliyor. Sistem, grip sezonlarını uzamsal-zamansal görüntüler olarak kodlayarak, piksel yoğunluğunun vaka sayısını temsil ettiği bir yapı oluşturuyor. Hem gerçek sürveyans verilerinden hem de simülasyon verilerinden öğrenen hibrit yaklaşım, hastalık dinamiklerinin zengin bir dağılımını öğreniyor. Tahminleme süreci, kısmi gözlemlerden koşullu üretim görevi olarak tasarlanmış. Retrospektif değerlendirmelerde mevcut topluluk yöntemleriyle rekabet edebilir doğruluk seviyesine ulaşan sistem, 2023-2025 ABD CDC FluSight yarışmalarında gerçek zamanlı testlerden geçiyor.

Tarım robotları için kritik bir sorun çözülmeye çalışılıyor: meyvenin başarılı bir şekilde koparılıp koparılmadığının anlaşılması. Araştırmacılar, vakum tabanlı gripper sistemlerine entegre ettikleri çoklu sensör teknolojisi ile bu soruna yaklaşıyor. Çalışma, farklı toplama aşamalarında hangi sensörlerin daha bilgilendirici olduğunu belirleyerek, hataları önceden tespit edebilen bir sistem geliştirmeyi hedefliyor. Bu teknoloji, tarım robotlarının verimliliğini artırırken mahsul hasarını da azaltabilir. Esnek meyve yapısı ve değişken sap bağlantıları gibi zorlukların üstesinden gelmek için tasarlanan sistem, minimal sensör setleriyle maksimum performans elde etmeyi amaçlıyor.

Araştırmacılar, yapay zekanın bilgi arama sürecini kendi kontrol edebileceği yenilikçi bir sistem geliştirdi. GRIP adlı bu framework, geleneksel yapay zeka sistemlerinin aksine, modelin ne zaman bilgi araması gerektiğine, hangi soruları sorması gerektiğine ve ne zaman durması gerektiğine kendi karar vermesini sağlıyor. Sistem, bilgi arama ve mantıksal çıkarım süreçlerini tek bir akış içinde birleştirerek, daha akıllı ve özerk yapay zeka uygulamaları için yeni bir yol açıyor. Bu yaklaşım, AI'ın insan benzeri bir şekilde bilgiyi dinamik olarak keşfetmesine olanak tanıyor.

Cornell Üniversitesi araştırmacıları, meyvelerin olgunluğunu dokunarak tespit edebilen ve zarar vermeden toplayan yumuşak robot gripper geliştirdi. Esnek fiber optik sensörlerle donatılan sistem, çilek gibi hassas meyvelerin olgunluk seviyesini dokunsal algıyla belirleyebiliyor ve dalından nazikçe koparıyor. Bu teknoloji, tarımsal otomasyonda yeni bir dönüm noktası olarak görülüyor çünkü geleneksel sert robotların aksine meyvelere zarar vermiyor. Sistem, insan elinin hassasiyetini taklit ederek meyvelerin yumuşaklığını ölçebiliyor ve bu bilgiyi kullanarak ne kadar kuvvet uygulanacağına karar veriyor. Gelişme, işgücü eksikliğinden muzdarip tarım sektörü için umut vaat ediyor.

COVID-19 pandemisi sırasında ilginç bir durum gözlemlendi: koronavirüs vakalarının artmasıyla birlikte grip vakalarında ciddi azalma yaşandı. Araştırmacılar bu durumu matematiksel modeller kullanarak incelediler ve 'davranışsal yayılım etkisi' adını verdikleri yeni bir fenomen tanımladı. Bu etki, bir hastalığa karşı alınan önlemlerin (maske takma, sosyal mesafe gibi) diğer hastalıkların yayılımını da etkilemesi anlamına geliyor. Çalışma, hastalıklar arasındaki davranışsal bağımlılıkların epidemiyolojik dinamikleri nasıl şekillendirdiğini gösteriyor ve halk sağlığı stratejilerinde çoklu hastalık yaklaşımının önemini vurguluyor.