“dünya modeli” için sonuçlar
10 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Robotlar İçin Yeni 4D Dünya Modeli: Hem Hareket Ediyor Hem Çevreyi Öngörüyor
Araştırmacılar, robotların hem gerçek zamanlı hareket etmesini hem de çevrelerinin 4 boyutlu modelini oluşturmasını sağlayan X-WAM adlı yeni bir sistem geliştirdi. Bu teknoloji, önceden eğitilmiş video yapay zekası modellerini kullanarak geleceği tahmin ediyor ve robotların çevreyle daha etkili etkileşim kurmasını mağdur ediyor. Sistem, çok açılı RGB-D videoları tahmin ederek gelecekteki dünyayı hayal ediyor ve hafif yapısal uyarlamalar sayesinde uzamsal bilgileri verimli şekilde elde ediyor. Geliştirilen Asenkron Gürültü Örnekleme tekniği ise üretim kalitesi ile hareket çözümleme verimliliğini dengeli şekilde optimize ediyor. Bu yenilik, robotik alanında hem hareket kontrolü hem de çevre modellemesini tek platformda birleştiren önemli bir gelişme olarak öne çıkıyor.
Kendini Geliştiren Yapay Zeka: Uzun Vadeli Görevlerde İnsan Müdahalesiz Öğrenme
Araştırmacılar, karmaşık ve uzun vadeli görevleri tamamen kendi başına öğrenebilen yeni bir yapay zeka sistemi geliştirdi. EvolvingAgent adlı bu sistem, insan müdahalesi olmadan kendini planlayabiliyor, kontrol edebiliyor ve hatalarından ders çıkarabiliyor. Geleneksel AI sistemlerinin aksine, bu ajan önceki öğrendiklerini unutmadan sürekli yeni bilgiler edinebiliyor ve farklı ortamlarda çeşitli görevleri başarıyla tamamlayabiliyor. Sistem, deneyim odaklı görev planlayıcısı ve sürekli öğrenen dünya modeli gibi üç ana modülden oluşuyor. Bu gelişme, özerk robotlar ve akıllı sistemler için önemli bir adım sayılıyor.
Otonom araçlarda devrim: ProDrive sistemi geleceği öngörerek planlama yapıyor
Araştırmacılar, otonom araçlar için yeni bir planlama sistemi geliştirdi: ProDrive. Mevcut sistemler yalnızca anlık gözlemlere dayalı kararlar alırken, ProDrive geleceği öngörerek proaktif planlama yapabiliyor. Bu sistem, aracın kendisi ve çevresinin birlikte nasıl gelişeceğini tahmin ederek daha güvenli ve akıllı sürüş kararları veriyor. ProDrive, çoklu aday rotalar oluşturup bunları gelecekteki trafik senaryolarında test ederek en uygun seçeneği belirliyor. Bu yaklaşım, reaktif planlama yapan geleneksel sistemlerin aksine, dinamik trafik ortamlarında daha başarılı sonuçlar elde etmeyi hedefliyor. Sistem, kuş bakışı görüş açısından çevreyi modelleyerek ve planlayıcı özelliklerini dünya modeline entegre ederek çalışıyor.
Robotlar Hayal Kurarak Kendilerini Geliştiriyor: RISE Sistemi
Araştırmacılar, robotların fiziksel dünyada deneme yanılma yapmadan sanal ortamda 'hayal kurarak' kendilerini geliştirebileceği yeni bir sistem geliştirdi. RISE adlı bu framework, robotların karmaşık manipülasyon görevlerinde karşılaştıkları zorlukları aşmak için tasarlandı. Sistem, gelecekteki hareketleri önceden simüle eden bir dünya modeli ve bu senaryoları değerlendiren bir ilerleme modeli kullanıyor. Bu yaklaşım, robotların gerçek dünyada risk almadan, güvenli bir şekilde öğrenmelerine olanak tanıyor. Özellikle hassas temas gerektiren ve dinamik manipülasyon görevlerinde robotların performansını artırmayı hedefliyor. Mevcut Vision-Language-Action modellerinin kırılganlığını gidermek için pekiştirmeli öğrenme prensiplerini kullanıyor.
Otonom araçlar için gerçekçi sürüş simülatörü geliştirildi
Araştırmacılar, otonom araçların test edilmesi için yeni bir dünya modeli geliştirdi. ReSim adlı bu sistem, gerçek sürüş verilerini simülatör verileriyle birleştirerek daha güvenilir test ortamları yaratıyor. Geleneksel modeller sadece uzman sürücülerin güvenli davranışlarını öğrendiği için tehlikeli veya acemi sürüş durumlarını simüle etmekte zorlanıyordu. Yeni yaklaşım, CARLA gibi sürüş simülatörlerinden toplanan çeşitli veriyi gerçek dünya örnekleriyle harmanlayarak bu sorunu çözüyor. Difüzyon transformatör mimarisi kullanan video üretici model, kontrol sinyallerini etkili şekilde entegre ederek tahmin doğruluğunu artırıyor. Bu gelişme, otonom araç politikalarının değerlendirilmesi ve çeşitli sürüş senaryolarının test edilmesi açısından önemli bir adım.
Otonom Araçlar İçin Tek Adımda Görsel-Dil Tabanlı Akıl Yürütme Sistemi
Araştırmacılar, otonom sürüş teknolojisinde devrim yaratabilecek OneVL adlı yeni bir sistem geliştirdi. Mevcut yapay zeka sistemleri, adım adım düşünce zinciri (Chain-of-Thought) yöntemiyle karar verirken, bu süreç gerçek zamanlı kullanım için çok yavaş kalıyor. OneVL, bu sorunu tek adımda hem görsel hem de dil tabanlı akıl yürütme yaparak çözüyor. Sistem, sadece metinsel açıklamalarla değil, aynı zamanda gelecekteki görüntü karelerini tahmin eden görsel bir dünya modeli ile de çalışıyor. Bu yaklaşım, sürüşü yöneten gerçek nedensel dinamikleri daha iyi anlayarak, hem hızlı hem de doğru kararlar verebilen otonom araçlar geliştirilmesini sağlıyor.
DynaWeb: Web ajanlarını sanal ortamda eğiten yeni yapay zeka sistemi
Araştırmacılar, web sitelerinde otomatik görevler yapabilen yapay zeka ajanlarını eğitmek için yenilikçi bir yaklaşım geliştirdi. DynaWeb adlı sistem, gerçek internet ortamında eğitim yapmanın getirdiği maliyet ve risk sorunlarını çözmek üzere tasarlandı. Sistem, web sayfalarının davranışını taklit eden sanal bir dünya modeli oluşturuyor ve yapay zeka ajanları bu simüle ortamda güvenli bir şekilde öğreniyor. Bu yaklaşım, ajanların milyonlarca sanal etkileşim gerçekleştirmesine olanak tanıyarak hem daha hızlı hem de daha ekonomik bir eğitim süreci sunuyor. Genel amaçlı yapay zeka asistanlarının geliştirilmesi yolunda önemli bir adım olarak değerlendirilen çalışma, gelecekte web tabanlı görevleri otomatik olarak yerine getirebilen daha gelişmiş sistemlerin temelini atıyor.
Yapay Zeka Modelleri Daha Tutarlı Dünya Anlayışı Geliştirebilir mi?
Büyük dil modellerinin (LLM) tutarlı bir iç dünya modeli geliştirip geliştiremediği yapay zeka alanındaki temel tartışmalardan biri. Geleneksel tek-token tahmin yöntemlerinin aksine, çoklu-token tahmin yaklaşımı daha yapılandırılmış öğrenme sunuyor. Yeni araştırma, bu yöntemin gradient etkileşimi yoluyla iç inanç durumlarına yakınsamayı nasıl teşvik ettiğini teorik olarak açıklıyor. Ancak standart çoklu-token tahmin yönteminde yapısal halüsinasyonlar ortaya çıkabiliyor. Araştırmacılar bu sorunu çözmek için Gizli Semantik Geliştirme adlı yeni bir yaklaşım öneriyor. Bu yöntem, tahminleri gerçek gizli durum yörüngelerine sabitleyerek çevresel kısıtlamaları ihlal eden yasadışı kısayolları engelliyor. Çalışma, yapay zeka modellerinin dünya anlayışını geliştirme konusunda önemli bir adım teşkil ediyor.
Otonom Araçlar İçin Video Üretimi ve Planlama Bir Arada: DriveLaW Sistemi
Araştırmacılar, otonom sürüş teknolojisinde çığır açabilecek yeni bir sistem geliştirdi. DriveLaW adlı bu sistem, gelecekteki trafik senaryolarını görselleştirme ve sürüş planlaması yapma işlemlerini tek bir çatı altında birleştiriyor. Geleneksel yaklaşımlar bu iki süreci ayrı ayrı ele alırken, yeni sistem video üretici bileşeninin gizli temsillerini doğrudan planlama modülüne aktararak tutarlılığı artırıyor. DriveLaW-Video adlı güçlü dünya modeli yüksek kaliteli gelecek öngörüleri üretirken, DriveLaW-Act difüzyon planlayıcısı bu verilerden güvenilir yörüngeler oluşturuyor. Bu birleşik yaklaşım, otonom araçların gerçek dünyada karşılaştığı beklenmedik durumlarla daha etkili şekilde başa çıkmasını sağlayabilir.
Yapay zeka ajanları benzer 'dünya modelleri' geliştiriyor
Farklı bakış açılarından aynı ortamı gözlemleyen yapay zeka ajanları, birbirleriyle hiç koordinasyon kurmadan şaşırtıcı derecede benzer içsel temsiller geliştiriyor. Meta AI araştırmacıları, Social-JEPA adını verdikleri çalışmada iki ayrı ajanın dünya modellerinin geometrik olarak birbirine dönüştürülebilir olduğunu keşfetti. Bu durum, gelecekteki gözlemleri tahmin etmeye odaklanan öğrenme süreçlerinin temsil geometrisi üzerinde güçlü düzenleyici etkiler yarattığını gösteriyor. Bulgular, merkezi olmayan görsel sistemler arasında hafif bir birlikte çalışabilirlik yolu öneriyor ve bir ajanda eğitilmiş sınıflandırıcının diğerine ek gradyan adımları olmadan taşınabilmesini mümkün kılıyor.