Otonom robotların kalabalık insan ortamlarında güvenle hareket edebilmesi, yalnızca teknik bir mühendislik meselesi değil; aynı zamanda derin bir yapay zeka problemi. Bir robotun hem çevresindeki insanların sonraki adımlarını öngörmesi hem de bu bilgiyi anlık yol planlamasına entegre etmesi gerekiyor. Ancak bu iki işlevi aynı anda verimli biçimde yerine getirebilen sistemler bugüne kadar genellikle büyük ve hesaplama gücü açısından yüksek maliyetli modellere dayanıyordu.
Güney Kore'deki DGIST Elektrik Mühendisliği ve Bilgisayar Bilimi Bölümü'nden Prof. Daehee Park öncülüğündeki araştırma ekibi, bu soruna yeni bir çözüm sunuyor. KAIST ile ortaklaşa yürütülen çalışmada, hareket tahmini ve yol planlama görevlerini tek bir kompakt model altında bir araya getiren özgün bir öğrenme tekniği geliştirildi.
Bu tür çok görevli sistemlerde en sık karşılaşılan sorunlardan biri, bir göreve odaklanıldığında diğerinin performansının düşmesi. Araştırmacılar, geliştirdikleri yöntemle bu çatışmayı minimize etmeyi başardı. Model; insan hareketlerini gerçek zamanlı olarak analiz ederken aynı anda robotun güvenli ve akıcı bir rota izlemesini sağlayabiliyor.
Çalışma, pratikte büyük fark yaratabilecek bir alana hitap ediyor. Hastaneler, havalimanları, alışveriş merkezleri ve toplu taşıma aktarma noktaları gibi insan trafiğinin yoğun olduğu ortamlar, otonom robotlar için en zorlu test alanları arasında yer alıyor. Bu tür mekânlarda hem güvenliği hem de verimliliği aynı anda sağlayabilen hafif modeller, robotların gerçek dünya koşullarına daha kolay adapte olmasını mümkün kılabilir.
Araştırma, Eylül 2026'da İsveç'in Malmö kentinde gerçekleştirilen 19. Avrupa Bilgisayarlı Görü Konferansı'nda (ECCV 2026) bilim dünyasıyla paylaşıldı ve çalışmanın tam metni arXiv ön baskı sunucusunda erişime açık. Sonuçlar, insan-robot bir arada yaşam senaryolarının giderek yaygınlaştığı günümüzde, daha güvenli ve akıllı otonom sistemlerin önünü açan umut verici bir adım olarak değerlendiriliyor.