“görev planlama” için sonuçlar
10 sonuç bulundu. Sonuçları kategoriye göre daraltabilirsin.
Kuantum Esinlenimli Tensör Ağları Endüstriyel Görevi Planlamasında Çığır Açıyor
Araştırmacılar, endüstriyel tesislerdeki görev planlaması sorunlarını çözmek için kuantum mekaniğinden esinlenen tensör ağ teknolojisini geliştirdiler. Bu yenilikçi yaklaşım, birbirine bağımlı görevlerin makineler üzerinde optimal dağılımını sağlarken toplam maliyeti en aza indiriyor. Geleneksel yöntemlerin aksine, bu teknik probleme tam ve açık bir çözüm sunuyor. Yöntem, mantıksal kısıtlamaları yoğunlaştırma, önceden hesaplanmış sonuçları yeniden kullanma ve ara hesaplamaları optimize etme gibi tekniklerle hesaplama karmaşıklığını önemli ölçüde azaltıyor. Üç farklı algoritma sunulan çalışma, endüstriyel üretimde verimliliği artırmak için kuantum teknolojilerinin pratik uygulamalarının önünü açıyor.
Robotlar İçin Yapay Zeka Destekli Görev Planlama Sistemi Geliştirildi
Araştırmacılar, robotların karmaşık görevleri planlamasını kolaylaştıran LLM-Flax adlı yeni bir sistem geliştirdi. Bu sistem, büyük dil modellerinin gücünü kullanarak robotların yeni ortamlarda çalışması için gereken uzmanlaştırılmış programlama ihtiyacını büyük ölçüde ortadan kaldırıyor. Geleneksel yöntemler, her yeni alan için uzmanların el ile kurallar yazmasını ve yüzlerce eğitim problemi çözmesini gerektiriyordu. LLM-Flax ise bu süreci otomatikleştirerek robotik sistemlerin daha hızlı ve verimli şekilde yeni görevlere uyum sağlamasını mümkün kılıyor. Üç aşamalı çalışma prensibi ile hareket eden sistem, robotik endüstrisinde önemli bir kolaylık sağlayabilir.
Yer Gözlem Uyduları İçin Kapsamlı Çizelgeleme Kıyaslama Platformu Geliştirildi
Bilim insanları, yer gözlem uydularının görev planlaması için kapsamlı bir değerlendirme platformu geliştirdi. EOS-Bench adı verilen bu sistem, yeni nesil çevik uyduların artan operasyonel karmaşıklığına çözüm arıyor. Platform, yüksek hassasiyetli yörünge dinamikleri ve platform kısıtlamalarını entegre ederek 1.390 senaryo ve 13.900 test örneği üretiyor. Küçük ölçekli doğrulama vakalarından 1.000 uyduya ve 10.000 isteğe kadar çıkabilen büyük koordinasyon problemlerine uzanan geniş bir yelpazeyi kapsıyor. Bu gelişme, uzay misyon operasyonlarında algoritma karşılaştırmasını standardize edecek ve gelecekteki uydu operasyonlarının verimliliğini artıracak.
MiMo-Embodied: Otonom Araçlar ve Robotlar İçin Birleşik Yapay Zeka Modeli
Araştırmacılar, hem otonom sürüş hem de embodied yapay zeka alanında başarılı olan ilk çapraz platform temel modelini geliştirdi. MiMo-Embodied adlı bu model, robotların görev planlama, nesne etkileşim tahmini ve uzamsal anlama becerilerinde 17 farklı benchmarkta rekor kırarak, aynı zamanda otonom sürüş alanında çevre algısı, durum tahmini ve sürüş planlaması konularında 12 benchmarkta üstün performans sergiledi. Açık kaynak olarak sunulan model, iki farklı alanın birbirini güçlendirdiğini kanıtlayarak yapay zeka araştırmalarında yeni bir yaklaşım sunuyor.
Robotlar Artık Video İzleyerek Karmaşık Görevleri Planlayabilecek
Araştırmacılar, robotların gerçek dünya görevlerini daha iyi planlayabilmesi için yenilikçi bir sistem geliştirdi. UniDomain adlı bu framework, 12.393 robot manipülasyon videosundan öğrenerek, robotların daha önce görmediği karmaşık görevleri bile çözebilmesini sağlıyor. Sistem, binlerce video analizinden elde ettiği bilgileri birleştirerek, robotlara görev planlama konusunda rehberlik eden kapsamlı bir 'bilgi bankası' oluşturuyor. Bu yaklaşım, mevcut yapay zeka modellerinin uzun vadeli planlama ve semboli ç düşünme konularındaki eksiklerini gidererek, robotik alanında önemli bir ilerleme sunuyor.
GaLa: Yapay Zeka Robotlarının Görev Planlama Yeteneğini Güçlendiren Yeni Model
Araştırmacılar, yapay zeka destekli robotların karmaşık görevleri daha etkili şekilde planlamasını sağlayan GaLa adlı yeni bir sistem geliştirdi. Sistem, nesneler arasındaki uzamsal ilişkileri ve anlamsal yapıları daha iyi anlayabilmek için hipergraf tabanlı bir yaklaşım kullanıyor. Geleneksel görsel-dil modellerinin aksine, GaLa çoklu modal verilerdeki gizli semantik bilgileri ortaya çıkararak robotların çevresel işlevsel ilişkileri kavramasını sağlıyor. Bu gelişme, ev robotları ve otonom sistemler gibi gerçek dünyada faaliyet gösteren yapay zeka sistemlerinin performansını önemli ölçüde artırabilir.
Veri Merkezleri İçin Fizik Tabanlı Akıllı Görev Planlama Simülatörü Geliştirildi
Araştırmacılar, modern veri merkezlerinin karmaşık işleyişini simüle eden yenilikçi bir sistem geliştirdi. DataCenterGym adlı bu simülatör, farklı coğrafi konumlardaki veri merkezlerinde görev planlamasını optimize etmek için tasarlandı. Sistem, hesaplama kapasitesi, elektrik fiyatları, ısı üretimi ve soğutma ihtiyacı gibi birbiriyle bağlantılı faktörleri aynı anda değerlendiriyor. Araştırmacılar ayrıca termal ve güç dinamiklerini dikkate alan Hiyerarşik Model Öngörülü Kontrol algoritması da geliştirdi. Bu yaklaşım, veri merkezlerinin enerji verimliliğini artırırken performansı korumayı hedefliyor. Proje, gelecekteki araştırmalar için yeniden kullanılabilir bir test ortamı sunarak, veri merkezi yönetiminde yeni algoritmaların geliştirilmesine katkı sağlayacak.
Yazılım Tanımlı Araçlarda Deterministik Görev Planlama Sistemi Geliştirildi
Araştırmacılar, modern araçların artan otomasyon ve bağlantı gereksinimlerine cevap vermek için yeni bir görev planlama yaklaşımı geliştirdi. Yazılım tanımlı araçlar (SDV) ve merkezi hesaplama düğümleri kullanan zonal E/E mimarilerde kritik araç içi fonksiyonların güvenilirlik ve deterministik gereksinimlerini karşılamak üzere tasarlanan bu sistem, geleneksel en kısa yol veya minimum yürütme süresine dayalı yaklaşımlara kıyasla deterministik hizmet seviyelerini daha iyi garanti edebiliyor. Çalışma, artan araç içi hesaplama yüklerinin verimli yönetimi için kritik öneme sahip bu teknolojinin, gelecek nesil akıllı araçların temelini oluşturabileceğini gösteriyor.
Robotlar Artık Planlarını Kendileri Doğrulayabiliyor: VeriGraph Devrimi
Araştırmacılar, robotların görev planlamasında devrim yaratan yeni bir sistem geliştirdi. VeriGraph adlı bu teknoloji, yapay zeka modellerinin sıklıkla yaptığı hatalı eylem dizilimlerini otomatik olarak tespit edip düzeltiyor. Sistem, görüntülerden sahne grafikleri oluşturarak nesneler arası ilişkileri analiz ediyor ve robotun gerçekleştiremeyeceği eylemleri önceden belirleyip alternatif planlar sunuyor. Test sonuçları oldukça etkileyici: dil tabanlı görevlerde %58, puzzle çözümünde %56 ve görüntü tabanlı işlemlerde %30 oranında performans artışı kaydedildi. Bu gelişme, endüstriyel robotlardan ev asistanlarına kadar geniş bir yelpazeyi etkileyebilir.
Fabrikada İnsan-Robot İşbirliğini Optimize Eden Yapay Zeka Sistemi Geliştirildi
Araştırmacılar, üretim ortamlarında insan ve robotların birlikte çalışmasını optimize eden yeni bir yapay zeka algoritması geliştirdi. Sistem, çalışanların gerçek zamanlı konumlarını ve hareket mesafelerini dikkate alarak görevleri akıllıca planlıyor ve dağıtıyor. Hiyerarşik yapısıyla karmaşık üretim süreçlerini alt görevlere bölen algoritma, üst seviyede görev planlaması, alt seviyede ise görev dağıtımı yapıyor. Özellikle geliştirilen EBQ (Etkin Tampon-tabanlı Derin Q-öğrenme) yöntemi, eğitim süresini kısaltırken uzun vadeli ve seyrek ödüllü üretim problemlerinde performansı artırıyor. Bu teknoloji, gelişmiş üretim sistemlerinde insan-robot işbirliğinin verimliliğini önemli ölçüde artırarak endüstriyel otomasyonun geleceğini şekillendirmeye aday.