NVIDIA’nın Uluslararası Robotik ve Otomasyon Konferansı’nda (ICRA) sunduğu bir dizi yeni robotik araştırma makalesine göre, tamamen simülasyonda eğitilen robotlar gerçek dünyada daha güvenilir bir şekilde performans göstermeye başlıyor. Çalışmalar, robotik alanının en büyük zorluklarından birine odaklanıyor: sanal ortamlarda eğitilen makinelerin kontrollü laboratuvar koşullarının dışında konuşlandırıldığında zorlandığı “simülasyon-gerçek dünya” boşluğunu daraltmak.
NVIDIA simülasyon eğitimlerinin daha başarılı olduğunu gösteriyor
NVIDIA Research, kabul edilen ICRA makalelerinden sekizinin, simülasyon tabanlı öğrenme sistemlerini kullanarak robotik navigasyon, kavrama, montaj ve akıl yürütme alanlarında ilerlemeler gösterdiğini belirtti. Projeler, robotların katı, önceden belirlenmiş davranışlara güvenmek yerine, öngörülemeyen gerçek dünya ortamlarına uyum sağlamalarına yardımcı olmayı amaçlıyor.
Çalışma, çok kollu koordinasyon, insansı navigasyon, nesne manipülasyonu ve robotların harekete geçmeden önce görevleri düşünmelerini sağlayan görme-dil-eylem modelleri de dahil olmak üzere robotik alanının çeşitli alanlarını kapsıyor.
Öne çıkan sistemlerden biri olan COMPASS, robotları tamamen NVIDIA Isaac Lab simülasyonlarında eğitiyor ve ardından bu becerileri farklı fiziksel robot gövdelerine aktarıyor.
Araştırmacılar, çerçevenin otonom mobil robotlar ve insansı robotları içeren 20 gerçek dünya navigasyon denemesinde yaklaşık %80 başarı elde ettiğini ve taklit öğrenme temellerine kıyasla ortalama başarı oranlarını 4.5 kat artırdığını söyledi. Bir diğer proje olan Grasp-MPC, karmaşık ortamlarda robotik kavrama üzerine odaklandı. Sistem, sabit bir hareket planına güvenmek yerine, nesnelere yaklaşırken hareketini sürekli olarak ayarlıyor.
Araştırmacılar, modeli 8.000 nesne içeren iki milyon simüle edilmiş yörünge kullanarak eğitti. Gerçek dünya testlerinde, sistem, temel yöntemler kullanılarak elde edilen %41’e kıyasla, yabancı nesnelerde yaklaşık %75 kavrama başarısı elde etti. NVIDIA araştırmacıları ayrıca, elektrik hatlarının etrafındaki ağaç dalları gibi karışık veya esnek malzemeleri işlemek için tasarlanmış Deformable Cluster Manipulation adlı bir sistem geliştirdi. Çerçeve, robotları sadece bir tutucu yerine tüm kollarını kullanmaları için eğitiyor ve makinelerin insan hareketine benzeyen şekillerde nesne kümelerini toplamasına veya kenara çekmesine olanak tanıyor.
