“sensör” için sonuçlar
108 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Humanoid Robotları Büyük Ölçekte Üretmenin Yolu: Sistem Yaklaşımı
Texas Instruments'ın robotik genel müdüri Giovanni Campanella, Robotik Zirvesi'nde humanoid robotların kitlesel üretimi için teknik yol haritasını sunacak. Sunumda, daha akıllı humanoid robotlar geliştirmek için gereken sistem perspektifi ele alınacak. Humanoid robotların yaygınlaşması için sadece tek tek bileşenlerin geliştirilmesi yeterli değil; tüm sistemin bir bütün olarak ele alınması gerekiyor. Bu yaklaşım, robotların sensörlerden yapay zekâ algoritmalarına, güç yönetiminden mekanik tasarıma kadar tüm bileşenlerinin koordineli çalışmasını sağlıyor. Campanella'nın sunumu, robotik endüstrisinin geleceği için kritik önemdeki bu konuya ışık tutacak.
Otonom Sistemlerde Görüş Güvenilirliği: GMSL Tanılama Teknolojisinin Rolü
Otonom araçlar ve robotik sistemler çevreyi algılamak için yüksek bant genişlikli sensör verilerine ihtiyaç duyar. GMSL (Gigabit Multimedia Serial Link) tanılama teknolojisi, bu kritik görüş sistemlerinin güvenilirliğini artıran yenilikçi bir çözüm sunuyor. Teknoloji, sensör verilerinin kesintisiz ve hatasız iletimini sağlayarak otonom sistemlerin güvenli navigasyonuna katkıda bulunuyor. Bu gelişme, özellikle sürücüsüz araçlar ve endüstriyel robotlar için hayati önem taşıyan görüş sistemlerinin performansını optimize ediyor.
Robotlarda Görüş Teknolojisi Devrimi: USB'den GMSL'e Geçiş
Modern robotik sistemler daha özerk hale geldikçe, görsel veri iletiminde kullanılan bağlantı teknolojileri de köklü bir dönüşüm geçiriyor. Geleneksel USB ve Ethernet bağlantılarından yeni nesil GMSL teknolojisine geçiş, robotların çevresel algı yeteneklerini dramatik şekilde artırıyor. Bu teknolojik evrim, robotların daha karmaşık görevleri yerine getirmesini ve çok sensörlü sistemlerde daha verimli çalışmasını sağlıyor. Özellikle otonom araçlar ve endüstriyel robotlar gibi alanlarda yüksek çözünürlüklü görüntü işleme gerektiren uygulamalarda, bu yeni bağlantı standartları kritik önem taşıyor. Gelişen teknoloji, robotik sistemlerin ölçeklenebilirliğini artırırken, aynı zamanda daha zengin görsel algı yetenekleri sunuyor.
Humanoid robotlar sosyal sinyalleri okumayı öğreniyor
İnsan benzeri robotlar günlük yaşamımıza entegre oldukça, çevresel ipuçlarını anlama yetenekleri kritik hale geliyor. Humanoid robotların insanlarla etkili iletişim kurabilmesi için görsel, işitsel ve sosyal sinyalleri doğru yorumlayabilmesi gerekiyor. Bu robotlar, yüz ifadelerinden ses tonuna, beden dilinden çevresel koşullara kadar birçok faktörü eş zamanlı olarak analiz etmeyi öğreniyor. Gelişen sensör teknolojileri ve yapay zeka algoritmaları sayesinde, robotlar artık insan duygularını ve niyetlerini daha iyi anlayabiliyor. Bu teknolojik ilerleme, gelecekte robotların ev yardımcısından sağlık asistanlığına kadar çeşitli alanlarda daha başarılı olmalarını sağlayacak.
Sensörsüz Mikrorobotlar: Sadece Şekilleriyle Hareket Eden Yeni Nesil Makineler
Leiden Üniversitesi araştırmacıları, hiçbir sensör, yazılım veya dış kontrol sistemi olmadan hareket edebilen mikroskobik robotlar geliştirdi. Bu devrim niteliğindeki mikrorobotlar, davranışlarını tamamen kendi şekillerinden ve çevreleriyle etkileşimlerinden alıyor. Profesör Daniela Kraft ve Mengshi Wei tarafından geliştirilen bu teknoloji, biyomedikal uygulamalar için tamamen yeni kapılar açıyor. Geleneksel robotların aksine karmaşık kontrol sistemlerine ihtiyaç duymayan bu mikrorobotlar, vücut içinde ilaç taşımacılığından hedefli tedavilere kadar geniş bir uygulama yelpazesi sunuyor. Araştırma, robotik alanında paradigma değişimi yaratabilecek nitelikte.
Yapay Zeka Artık 'Hissedebilecek': Beş Duyulu Makineler Geliştiriliyor
Yapay zeka teknolojisinde yeni bir dönem başlıyor. Araştırmacılar, sadece veri işlemeyen aynı zamanda görme, duyma, dokunma, koklama ve tatma gibi duyusal yeteneklere sahip makineler geliştiriyor. Futurolog Profesör Rocky Scopelliti'nin yeni kitabında özetlediği bu teknolojiler, makinelerin çevreyi algılama ve yorumlama biçimini kökten değiştirmeye hazırlanıyor. Bu gelişme, robotik, sağlık, güvenlik ve endüstriyel otomasyon alanlarında devrim yaratabilir. Özellikle medikal tanı sistemlerinde koku ve tat sensörlerinin kullanımı, erken hastalık tespitinde yeni kapılar açabilir. Ancak uzmanlar, bu teknolojilerin etik boyutlarının da dikkatlice değerlendirilmesi gerektiğini vurguluyor.
Yapay Zeka ile Yağış Tahmini Artık Daha Doğru: GPROF-IR Sistemi
Meteoroloji alanında önemli bir gelişme yaşanıyor. Araştırmacılar, uydu verilerinden yağış tahminlerini iyileştiren GPROF-IR adlı yeni bir sistem geliştirdi. Bu sistem, evrişimli sinir ağları kullanarak infrared gözlemlerden daha hassas yağış tahminleri üretiyor. Mevcut uydu sistemleri farklı sensör türlerini birleştirmeye çalışırken tutarsızlıklar yaşıyor ve bu da hava durumu tahminlerinde hatalar oluşturuyor. GPROF-IR, yarım saatlik infrared gözlemlerdeki zamansal bilgileri analiz ederek bu sorunu çözmeyi hedefliyor. Sistem, özellikle küresel hava durumu takip sistemlerine entegre edilmek üzere tasarlandı.
Yapay zeka hava tahminlerinde başlangıç hatalarının kritik rolü ortaya çıktı
Yapay zeka destekli hava tahmin modelleri artık geleneksel sayısal sistemlerle yarışabilir duruma geldi. Ancak çoğu model hala pahalı altyapılara bağımlı kalarak başlangıç koşulları için geleneksel veri asimilasyonu sistemlerini kullanıyor. Araştırmacılar, uydu ve konvansiyonel gözlemlerden doğrudan atmosfer durumunu haritalayan HealDA adlı yeni bir makine öğrenmesi tabanlı veri asimilasyon sistemi geliştirdi. Bu sistem, mevcut operasyonel sistemlere kıyasla daha az sensör kullanarak global ölçekte çalışabiliyor. Çalışma, yapay zeka hava tahmin modellerinin başlangıç koşullarındaki hataların önemini vurguluyor ve bu alandaki altyapı bağımlılığını azaltma potansiyeli gösteriyor.
Otonom Araçlar İçin Yeni Güven Algoritması Geliştirildi
Araştırmacılar, bağlı ve otonom araçların çevresel farkındalığını artırmak için hibrit zonotop tabanlı yeni bir algoritma geliştirdi. Sistem, farklı sensörlerden gelen tutarsız ölçümleri birleştirerek daha güvenilir çevre algısı sağlıyor. Özellikle araçlar veya altyapı tarafından gizlenen yayalar için kritik güvenlik riskleri azaltılabiliyor. Yöntem, sensör gürültüsü ve yanlış pozitiflerin neden olduğu belirsizlikleri hesaba katarak, her sensör setine güven metriği atıyor. Bu teknoloji, araç-her şey iletişimi sayesinde bağlı yol kullanıcıları arasında algı verisi paylaşımını optimize ediyor.
Otonom Sistemlerde Güvenli Hız Kontrolü İçin Yeni Algoritma Geliştirildi
Araştırmacılar, otonom araçlar ve robotik sistemler için güvenliği ön planda tutan yeni bir kontrol algoritması geliştirdi. 'Güçlü M-Adım Tutma Model Öngörülü Kontrol' adı verilen bu yöntem, sistemlerin kontrolündeki örnekleme sıklığını güvenli bir şekilde ayarlayabilmeyi sağlıyor. Geleneksel kontrol sistemlerinde sabit frekanslarda çalışan sensörler ve işlemciler, bu yeni yaklaşımla ihtiyaca göre daha esnek hale geliyor. Sistem, belirsizlikler karşısında dayanıklılık gösterirken, güvenlik kısıtlarını da korumayı başarıyor. Cruise control örneğinde test edilen algoritma, enerji verimliliği ve performansı artırırken güvenliği garanti altına alıyor. Bu gelişme, özellikle otonom sürüş teknolojileri ve endüstriyel robot kontrolü alanlarında önemli ilerlemeler sağlayabilir.
Ouster'dan Doğal Renkli LiDAR Teknolojisi: REV8 OS Sensör Ailesi
Teknoloji şirketi Ouster, LiDAR sensör teknolojisinde çığır açan yeni ürününü duyurdu. REV8 OS sensör ailesi, sektörde ilk kez doğal renk algılama özelliği sunuyor. Bu gelişme, otonom araçlar, robotik sistemler ve 3D haritalama uygulamaları için büyük önem taşıyor. Özellikle OS1 Max modeli, önceki nesil REV7'ye kıyasla iki kat daha yüksek menzil ve çözünürlük sunarak endüstri standardlarını yeniden belirliyor. LiDAR teknolojisinin renk bilgisini de içermesi, nesnelerin sadece mesafe ve şekil bilgisinin değil, görsel özelliklerinin de algılanmasını sağlıyor. Bu teknolojik ilerleme, yapay zeka destekli sistemlerin çevre algılama kapasitesini önemli ölçüde artırarak gelecek nesil otonom sistemlerin gelişimini hızlandıracak.
Yapay Zeka ile Hava Durumu Verilerine Değer Biçme: Yeni Teşvik Sistemi
Büyük ölçekli hava durumu sensör ağları, bireylerin katkılarını sürdürmek için teşvik sistemlerine ihtiyaç duyar. Ancak her bir veri katkısının ağa ne kadar değer katacağını belirlemek karmaşık bir sorundur. Araştırmacılar, bu soruna yapay zeka tabanlı hava durumu modelleri kullanarak çözüm getirdi. Geliştirilen sistem, sensör verilerinin değerini gradient tabanlı atıf yöntemleriyle hesaplayarak, katılımcılara adil ödeme yapılmasını sağlıyor. 400'den fazla konfigürasyon ile test edilen sistem, sensör yerleşiminde neredeyse optimal sonuçlar veriyor ancak kötü niyetli girişlere karşı savunmasız kalabiliyor. Bu çalışma, meteoroloji alanında veri katkılarının değerlendirilmesi için yeni bir yaklaşım sunarak, katılımcı hava gözlem ağlarının sürdürülebilirliğini artırmayı hedefliyor.
GPU Gücüyle Acil Fren Sistemlerinin Güvenliği Gerçek Zamanlı Test Ediliyor
Araçların otomatik acil fren (AEB) sistemleri, 2029'a kadar ABD'de satılan tüm yeni araçlarda zorunlu hale gelecek. Ancak mevcut sistemler, belirsizlikleri göz ardı eden basit hesaplamalar kullanıyor. Yeni geliştirilen GPU tabanlı Monte Carlo çerçevesi, yol koşulları, sensör hatası ve araç dinamiklerindeki belirsizlikleri hesaba katarak acil fren performansını gerçek zamanlı olarak değerlendiriyor. Bu yöntem, aerodinamik sürüklenme, yol eğimi ve fren aktüatör dinamikleri gibi karmaşık faktörleri içeren yüksek doğruluklu araç modelleri kullanıyor. Sistem, Monte Carlo simülasyonlarının bağımsızlığından yararlanarak her örnek için ayrı bir GPU iş parçacığı kullanıyor ve deterministik örnekleme ile tutarlı sonuçlar garanti ediyor.
Yapay Zeka İçin Yeni Matematiksel Çerçeve: Belirsizlikle Başa Çıkmanın Anahtarı
Araştırmacılar, veri odaklı yapay zeka algoritmalarının belirsizlik içeren gerçek dünya verilerinde daha etkili çalışması için yenilikçi bir Bayesçi matematiksel çerçeve geliştirdi. Bu yaklaşım, düzgünleştirme, tahmin ve kontrol gibi farklı görevleri tek bir sistem altında birleştirerek, belirsiz verilerle çalışan AI sistemlerinin performansını artırıyor. Geleneksel yöntemlerin aksine, bu çerçeve stokastik (rastgele) verileri sistematik bir şekilde işleyebiliyor ve mevcut algoritmaları genelleştirerek daha güvenilir sonuçlar üretebiliyor. Çalışma, özellikle gürültülü sensör verilerinden tahminleme yapması gereken otonom sistemler ve robotik uygulamaları için önemli iyileştirmeler vaat ediyor.
Eywa: Farklı Bilim Alanlarında Çalışan Yapay Zeka Modellerini Birleştiren Sistem
Araştırmacılar, farklı bilim alanlarında uzmanlaşmış yapay zeka modellerini bir araya getiren 'Eywa' adlı yeni bir çerçeve geliştirdi. Mevcut dil tabanlı yapay zeka sistemleri, sadece metin verilerle çalışabilme kısıtlılığı nedeniyle birçok bilimsel problemi çözmekte yetersiz kalıyor. Eywa, bu sorunu çözmek için alan spesifik temel modelleri dil modellerinin akıl yürütme yetenekleriyle birleştiriyor. Bu sayede görüntü, ses, sensör verileri gibi farklı türdeki bilimsel veriler üzerinde çalışan özelleşmiş modeller, daha üst düzey karar verme süreçlerine dahil olabiliyor. Sistem, bilimsel araştırmalarda kullanılan çeşitli veri türlerini anlayabilen ve bunlar arasında koordinasyon kurabilen akıllı ajanlar oluşturmayı mümkün kılıyor.
Robot Elleri Artık Dokunma Hissini Yaşayabilecek: DAIMON'dan Devrim
Hong Kong merkezli DAIMON Robotics, robotlara gelişmiş dokunma duyusu kazandırmak için çığır açan bir teknoloji geliştirdi. Şirket, parmak ucu büyüklüğündeki modülde 110.000'den fazla algılama birimi barındıran yüksek çözünürlüklü dokunsal sensör teknolojisiyle dikkat çekiyor. Bu Nisan ayında yayınlanan Daimon-Infinity veri seti, fiziksel yapay zeka için geliştirilmiş en kapsamlı çok modlu robotik veri tabanı olarak tanıtılıyor. Ev işlerinden fabrika montaj hatlarına kadar geniş bir yelpazede görevleri kapsayan bu proje, Google DeepMind, Northwestern Üniversitesi ve Singapur Ulusal Üniversitesi gibi önde gelen kurumların desteğini alıyor. İki buçuk yaşındaki DAIMON'un bu hamlesi, robotların çevreleriyle etkileşim kurma biçimini kökten değiştirme potansiyeli taşıyor.
STAR-Filter: Robotların Engelli Ortamlarda Daha Hızlı Hareket Etmesini Sağlayan Yeni Sistem
Robotların karmaşık ve engelli ortamlarda güvenli hareket etmesi, modern robotiğin en önemli zorluklarından biri. Araştırmacılar, robotların çarpışmadan geçebileceği alanları tespit etmek için STAR-Filter adlı yeni bir sistem geliştirdi. Bu sistem, özellikle sensör verilerinin gürültülü olduğu ve engellerin yoğun bulunduğu ortamlarda robotların daha hızlı ve güvenilir hareket planları oluşturmasını sağlıyor. Geleneksel yöntemlerin aksine, yıldız şeklinde geometrik yapılar kullanarak hesaplama yükünü önemli ölçüde azaltıyor. Bu yenilik, otonom araçlardan endüstriyel robotlara kadar geniş bir uygulama alanına sahip olabilir.
Robot Eğitimi İçin Yeni Açıklama Aracı: ATLAS
Araştırmacılar, uzun süreli robotik görevlerin analizi için ATLAS adlı yenilikçi bir araç geliştirdi. Bu araç, robotların karmaşık hareketlerini zaman içinde bölümlere ayırmak ve etiketlemek için tasarlandı. ATLAS, çoklu kamera görüntüleri ile robot sensör verilerini eşzamanlı olarak görselleştirerek, araştırmacıların robot davranışlarını daha detaylı incelemesine olanak tanıyor. Geleneksel araçların aksine, robot kavrayıcı durumu ve kuvvet sensörleri gibi robotik verileri doğal olarak destekliyor. Farklı veri formatlarına kolayca uyum sağlayabilen bu sistem, robot öğrenme algoritmaları için kritik olan hassas zaman sınırlarının belirlenmesini kolaylaştırıyor. ATLAS'ın geliştirilmesi, robotik alanında makine öğrenmesi uygulamalarının ilerlemesine önemli katkı sağlayacak.
GPS Olmadan Tünellerde Uçan Drone: Yapay Zeka ve LiDAR İş Birliği
Araştırmacılar, GPS sinyallerinin ulaşamadığı tüneller ve madenler gibi zorlu ortamlarda drone navigasyonu için yenilikçi bir yöntem geliştirdi. Sistem, LiDAR sensörü ile toplanan verileri derin öğrenme algoritmaları ve geometrik hesaplamalarla işleyerek drone'un güvenli bir şekilde hareket etmesini sağlıyor. Geleneksel konum belirleme yöntemlerinin işe yaramadığı, aydınlatmanın yetersiz olduğu ve duvar özelliklerinin az olduğu ortamlarda bile etkili navigasyon gerçekleştiriyor. Bu teknoloji, arama kurtarma operasyonları, maden keşfi ve altyapı denetimi gibi alanlarda drone kullanımını büyük ölçüde genişletebilir.
Robotlar İçin Çok Sensörlü Öğrenme Sistemi: M2R2 ile Hareket Analizi
Araştırmacılar, robotların hareketlerini daha iyi anlayabilmesi için M2R2 adlı yeni bir sistem geliştirdi. Bu sistem, robotların kendi iç sensörlerinden gelen bilgileri kamera görüntüleriyle birleştirerek hareket segmentasyonunu gerçekleştiriyor. Temporal hareket segmentasyonu, robotların karmaşık görevleri daha küçük parçalara ayırarak öğrenmesini sağlayan kritik bir teknoloji. Geleneksel yaklaşımlar ya sadece robot sensörlerine ya da sadece kamera verilerine odaklanıyordu, ancak M2R2 her iki veri türünü etkin şekilde harmanlıyor. Sistem, özellikle görünürlüğün kısıtlı olduğu cerrahi robotik gibi alanlarda önemli avantajlar sunuyor. Öğrenilen özelliklerin farklı modeller arasında yeniden kullanılabilmesi de sistemin önemli bir yeniliği olarak öne çıkıyor.
Robotlar Artık Gözleriyle Navigasyon Yapabilecek: LiDAR Sensörüne Veda
Araştırmacılar, endüstriyel robotların navigasyon için pahalı LiDAR sensörlerine olan bağımlılığını ortadan kaldıran yeni bir sistem geliştirdi. Öğretmen-öğrenci yaklaşımı kullanan bu sistem, robotlara sadece kameralardan gelen görüntülerle güvenli navigasyon yapmayı öğretiyor. Sistem, önce LiDAR verisiyle eğitilen bir 'öğretmen' robotun bilgilerini, sadece dört RGB kamera kullanan 'öğrenci' robota aktarıyor. NVIDIA Isaac Lab simülasyon ortamında eğitilen sistem, gerçek DJI RoboMaster platformunda başarıyla test edildi. Bu gelişme, robotik alanında maliyet düşürücü bir devrim yaratabilir çünkü görme tabanlı navigasyon, geleneksel LiDAR sistemlerinden çok daha uygun maliyetli.
Robot takımları için yeni adaptasyon sistemi: Farklı sensörlerle mükemmel uyum
Araştırmacılar, farklı sensör türlerine sahip robot takımlarının sorunsuz çalışabilmesi için DC-Ada adlı yeni bir adaptasyon yöntemi geliştirdi. Bu sistem, robotların eksik veya farklı sensörlere sahip olsa bile önceden eğitilmiş politikalarını koruyarak görevlerini başarıyla sürdürmelerini sağlıyor. Depo lojistiği, arama kurtarma ve işbirlikçi haritalama gibi kritik alanlarda test edilen yöntem, merkezi olmayan yapısı sayesinde robotlar arası minimal iletişim gereksinimi ile çalışıyor. Geleneksel eğitim yöntemlerinin aksine, DC-Ada sadece ödül sinyallerini kullanarak her robot için özel gözlem dönüşümleri oluşturuyor ve böylece heterojen sensör verilerini standart bir arayüze çeviriyor.
Akıllı Saatlerde Kalori Hesabı İçin Yeni Fizyolojik Model
Araştırmacılar, günlük yaşamda fiziksel aktivite sırasında harcanan enerjiyi daha doğru ölçmek için yeni bir yöntem geliştirdi. PM-EKF adlı bu sistem, akıllı saatlerdeki hareket sensörleri ve kalp atış hızı verilerini fizyolojik bir modelle birleştiriyor. Mevcut kalori hesaplama yöntemleri çoğunlukla veri odaklı olup, vücudun gerçek metabolik süreçlerini göz ardı ediyor. Yeni yaklaşım ise, vücut hareketlerini doğrudan metabolik gaz değişim süreçleriyle ilişkilendiren basitleştirilmiş bir fizyolojik model kullanıyor. Bu model, Extended Kalman Filter algoritması içinde çalışarak, sensör gürültüsü ve sistem belirsizliklerini etkili şekilde yönetebiliyor. Geliştirilen yöntem, geleneksel dolaylı kalorimetre cihazlarının sağladığı altın standart ölçümlere yakın sonuçlar vermeyi hedefliyor.
Yolcu Uçaklarının Performansını İzlemek İçin Yeni Algoritma Geliştirildi
Araştırmacılar, yolcu uçaklarının uçuş sırasındaki aerodinamik performansını izlemek için yenilikçi bir algoritma geliştirdi. Uçakların Quick Access Recorder (QAR) verilerini kullanan bu sistem, güvenlik ve yakıt verimliliği açısından kritik öneme sahip. Geleneksel yöntemlerin eksik veriler karşısında yetersiz kalması nedeniyle, bilim insanları Sabit Kazançlı Denklem-Hata Yöntemi (CG-EEM) adını verdikleri yeni bir yaklaşım tasarladı. Bu sistem özellikle düşük manevra gerektiren seyir uçuşları sırasında bile güvenilir sonuçlar veriyor. Havacılık endüstrisinde operasyonel verimlilik ve güvenlik standartlarının artırılması için önemli bir adım sayılan bu çalışma, mevcut uçak sensör verilerinden maksimum fayda sağlama potansiyeli taşıyor.