Robotların karmaşık ortamlarda güvenli ve etkili hareket edebilmesi için geliştirilen yeni bir yapay zeka sistemi, hareket planlama alanında önemli bir ilerleme kaydetti. Araştırmacıların geliştirdiği Hierarchical Neural Time Fields (H-NTFields) sistemi, robotların çok odalı ve engelli ortamlarda optimal yol bulma kabiliyetini önemli ölçüde artırıyor.
Hareket planlama problemi, robotların başlangıç noktasından hedef noktasına kadar engelsiz bir yol bulması gerekliliğini ifade ediyor. Bu süreç özellikle yüksek boyutlu ve karmaşık ortamlarda zorlu bir görev haline geliyor. Mevcut fizik-temelli yöntemler Neural Time Fields (NTFields) gibi sistemler kullanarak Eikonal denklemini çözüyor, ancak karmaşık çok odalı ortamlarda yetersiz kalıyor.
Yeni sistem, seyrek yol haritalarından gelen zayıf denetimli öğrenmeyi fizik-temelli kısmi diferansiyel denklem düzenlemesiyle birleştiriyor. Bu yaklaşım, seyahat süreleri üzerinden üst ve alt sınırlar belirleyerek global topolojik çapa noktaları sağlıyor. Aynı zamanda fizik kuralları yerel geometrik doğruluğu ve engel-farkında yayılımı garanti ediyor.
Bu gelişme, otonom araçların şehir trafiğinde navigasyonu, endüstriyel robotların fabrika ortamlarında çalışması ve hizmet robotlarının ev içi görevleri yerine getirmesi gibi birçok alanda uygulanma potansiyeli taşıyor. Sistem, geleneksel yöntemlerin karşılaştığı yerel minimum problemlerini çözerek daha güvenilir hareket planlama sunuyor.