Robotlara yeni beceriler kazandırmak, yazılım dünyasının en zorlu problemlerinden biri olmaya devam ediyor. Geleneksel yöntemlerle bir robotu belirli bir görevi yapmak üzere programlamak hem zaman alıcı hem de kırılgan bir süreç; ortam değiştiğinde sistem kolayca çöküyor. İşte bu sorunu aşmak için araştırmacılar ve şirketler, insan hareketlerinden öğrenen sistemler geliştiriyor.
Walden Robotics çatısı altında faaliyet gösteren Generalist, bu alanda dikkat çekici bir yaklaşım benimsiyor. Şirketin kullandığı temel araçlardan biri, Stanford Üniversitesi'nde geliştirilen Evrensel Manipülasyon Arayüzü (UMI). Bu sistem, insanların günlük nesneleri tutma, taşıma veya yerleştirme gibi görevleri yaparken kaydedilen hareket verilerini toplamak için özel donanım ve yazılım altyapısı sunuyor.
Toplanan bu ham insan gösterimi verileri, derin öğrenme modelleri aracılığıyla işleniyor ve robotların taklit edebileceği davranış politikalarına dönüştürülüyor. Yani robot, bir görevi nasıl yapacağını sıfırdan hesaplamak yerine, insanın o görevi nasıl yaptığını gözlemleyerek öğreniyor. Bu yaklaşım 'taklit öğrenmesi' (imitation learning) olarak biliniyor.
Yöntemin en önemli avantajlarından biri ölçeklenebilirlik. Farklı insanlardan toplanan çok sayıda gösterim verisi bir araya getirildiğinde, sistem daha genelleştirilebilir ve sağlam davranışlar geliştirebiliyor. Tek bir kişinin hareketine bağlı kalmak yerine, geniş bir insan davranış havuzundan besleniliyor.
Generalist'in hedefi, bu tekniği farklı sektörlere uygulanabilir hale getirmek. Üretim hatlarından depo yönetimine, mutfak görevlerinden tıbbi destek uygulamalarına kadar geniş bir kullanım alanı hayal ediliyor. Şirket, 'genelci' adını da buradan alıyor: tek bir göreve değil, pek çok farklı göreve uyum sağlayabilen robot sistemleri üretmek.
UMI altyapısından yararlanan yalnızca Generalist değil; aynı araştırma zemini, farklı robotik şirket ve akademik gruplar tarafından da kullanılıyor. Bu durum, insan gösterimi verisinin robotik öğrenmede ortak bir dil haline gelmeye başladığına işaret ediyor.
Alandaki uzmanlar, bu yaklaşımın robotik sistemlerin erişilebilirliğini artırabileceğini düşünüyor. Pahalı simülasyon ortamları veya büyük mühendislik ekipleri gerektirmeden, nispeten basit donanımlarla veri toplanabilmesi, küçük ölçekli şirketlerin de bu teknolojiye erişimini kolaylaştırıyor. Önümüzdeki yıllarda insan gösterimi tabanlı öğrenmenin robotik alanında standart bir yöntem haline gelmesi beklenebilir.