Humanoid robotların insan benzeri hareketleri sergileyebilmesi için gereken motor becerileri, robotik alanının en zorlu problemlerinden biri olmaya devam ediyor. Yeni geliştirilen Neural Motion Retargeting (NMR) sistemi, bu soruna yapay zeka tabanlı bir çözüm getiriyor.
Araştırmacılar, geleneksel optimizasyon tabanlı hareket aktarım yöntemlerinin matematiksel olarak konveks olmadığını ve yerel optimumlara takılma eğilimi gösterdiğini Hessian analizi ile kanıtladı. Bu durum, robotlarda doğal olmayan eklem hareketleri ve kendine çarpma gibi fiziksel tutarsızlıklara yol açıyordu.
NMR sistemi, soruna farklı bir açıdan yaklaşarak optimizasyon problemini veri dağılımı öğrenme sürecine dönüştürüyor. Sistemin kalbi olan Clustered-Expert Physics Refinement (CEPR) modülü, VAE tabanlı hareket kümeleme teknolojisi kullanarak farklı hareketleri gruplandırıyor ve latent özellikler halinde organize ediyor.
Bu hiyerarşik veri işleme yaklaşımı, masif paralel pekiştirmeli öğrenme süreçlerinin hesaplama yükünü önemli ölçüde azaltırken, robotların dinamik özelliklerini dikkate alan bir öğrenme süreci sağlıyor. Sonuç olarak, robotlar insan hareketlerini daha doğal ve fiziksel olarak tutarlı bir şekilde taklit edebiliyor.