IoT ve Makine Öğrenmesi Ekseninde Geometri Farkındalıklı Robotlar Projesi
IoT ve Makine Öğrenmesi Ekseninde Geometri Farkındalıklı Robotlar Projesi
Son yıllarda teknoloji ve sanayi alanına güçlü ivme kazandıran inovatif alanlardan bazıları olan Nesnelerin İnterneti –IoT– (Internet of Things), Makine öğrenimi, Yapay zeka gibi güçlü değer üreten alanlara yönelik projelerden bir tanesi olan IoT ve Makine Öğrenmesi Ekseninde Geometri Farkındalıklı Robotlar Projesi hakkında bilgi sahibi olacaksınız keyifli okumalar.
Robot ve İnsan
Robot öğrenimi, makine öğrenimi ve robotik olmak üzere iki alanın birleşimidir, makine öğrenme algoritmalarının çoğu, otonom robotlarda kullanılmak için doğrudan uygun değildir, çünkü bir robot, çevresiyle etkileşime giren fiziksel bir sistemdir, kararları zamanında almak ve eylemlerin doğru olmasının yanı sıra güvenli olmalıdır. Denetimsiz öğrenme, robota daha yüksek derecede bir özerklik sağlasa da (yani bir robot, yeni görevleri kendi başına öğrenmek için dünyasını keşfedebilir), maliyetli donanıma ve / veya çevresine zarar verme riskinin artmasına neden olur. Denetimli öğrenme, her beceri için birçok etiketli örnek gerektirmektedir. Yarı denetimli öğrenme, robotikte uygulanmak için daha doğal görünmektedir, bir görevi yerine getirme becerisi bir uzmandan bir robota gösteri yoluyla aktarılmaktadır, ardından robot bu uzmanlığı yeni bir durumda kullanılmak üzere uyarlar. Robotik araştırmasının önemli bir alanı robotun, ister havada, ister karada, uzayda, yer altında veya su altında olsun, çevresiyle baş etmesini sağlamaktır, Otonom robotlarda bu durum aşağıdaki 3 temel işlev ile sağlanmaktadır:
– Görmek: İnsan çevresindeki nesneleri gözleri veya diğer uzuvları yardımıyla tespit edip daha sonra bu nesnelerle ilgili fikir üretebilmektedir. Örneğin bir insanın kalabalık içinde yürüdüğünü düşünelim. Karşısına çıkan nesneleri gözleriyle tespit edebilmekte ve diğer insanlarla çarpışmadan yoluna devam edebilmektedir. Robotlar ise etrafındaki nesneleri sensörler sayesinde algılamakta ve alınan bilgilere göre ne yapılması gerektiğine karar vermektedir. Sensörleri olmadan çalışan bir robotun mantıklı hareket etmesi imkansızdır.
-Düşünmek: Tekrardan robotun yol planlaması yaptığını düşünelim. Sensör yardımıyla veri alarak karşısına çıkan nesneyi algıladığını varsayalım. Bu duruma göre robotun hangi yöne ve nasıl hareket edebileceğini düşünmesi gerekmektedir.
-Harekete geçmek: Son olarak robot nesneleri görüp ve düşündükten sonra harekete geçmeye hazır olur. Tekerlekleri veya entegre parçaları sayesinde robot düşündüğü işi eyleme dönüştürmektedir.
Robotların Önemi
Günümüzde, İnsanların, sıkıcı, kirli ve tehlikeli işleri üstlenmenin teknolojinin işi olduğunu düşünüyoruz. Robot Kolları (Robotic Arm) endüstriyel tesislerin ayrılmaz bir parçası haline gelmiştir. Hidrolik, pnömatik ve elektrikli, çeşitli motor sistemleriyle üretilen bu sistem, endüstrinin birçok alanında kullanılmaktadır. Robotik kol, programlanabilir, mekanik parçaların tamamı ya da karmaşık bir robotun bir parçası olarak tanımlanabilir. Günümüzde robotik kollar endüstrinin çok önemli bir parçası haline gelmiştir. İnsan iş gücünü minimuma indirerek, hata payını azaltıp üretim kapasitesini üst seviyelere getirerek, günümüz teknolojisine büyük ölçüde katkı sağlamaktadır. Ancak literatür özetinde de belirtildiği gibi robotların hareketleri tamamıyla öklid uzayında olmakta bu da hem geometrik veri kaybına sebep olmakta hem de hassasiyet azalmasına sebep olmaktadır. Bizim geliştireceğimiz sistem ise Geometri Farkında olarak vektör-matris dönüşümüne ihtiyaç duymayan bir sistem olacaktır. Bu sayede türetilecek matematiksel modeller ve algoritma teknolojinin bilinen durumuna yeni bir soluk getirecektir ve bilinen teknolojiyi bir adım öteye taşımış olacaktır.
Geometri Farkındalık Nedir?
Manipülasyon becerilerinin öğrenilmesi, robotların birçok görevi yerine getirmesi için çok önemlidir, oysa bazı manipülasyon verileri öklid uzayında (yani konum, yönelim, vb.) bulunurken, diğerleri öklid dışı alanda (yani sertlik matrisi, atalet matris, vb.) bulunmaktadır. Mevcut öğrenme algoritmaları, bir yaklaşım adımı olan parametreleştirme yoluyla öklid dışı geometri ile ilgilenmektedir. Ana hedefimiz, robot manipülasyon öğrenme algoritmaları için bir matematiksel geometri (Riemannian) çerçevesi oluşturmaktır. Bu, mevcut öğrenme algoritmalarını parametreleştirmeye gerek kalmadan doğrudan geometri uzayında uygulanabilir hale getirilecektir. Sorun şu ki, pekiştirmeli öğrenme algoritmalarının mevcut formülasyonunun geometri farkında olmamasıdır. Veriler bir eğrilik uzayının yüzeyine yerleştirildiğinde ve daha sonra vektörizasyon gibi yaklaşım teknikleri kullanılarak verilerin geometri anlamını ihmal edecek şekilde işlendiğinde, bu doğrulukta sorunlara ve bunun sonucunda manipülasyonun güvenliğine neden olur. Aslında tüm makine öğrenme algoritmaları istatistiksel analize dayanmaktadır ve bu, özellikle bu veri noktalarının parametrik bir dağılımdan geldiğini varsaydığımızda veri noktaları arasındaki mesafeyi ölçmeyi gerektirir ve üretken bir modele sahip olmak için bu parametreleri öğrenmemiz gerekir ve hatta sınıflandırma içinde gereklidir. Bu ürün geniş bir uygulama alanı yelpazesine sahiptir (örn. Temizlik, pişirme, yönlendirme, kurtarma, Otomatik montaj, imalat, eğitim vb.
ILITRON Ekibi olarak yumuşak robotik ellerin üretiminde öncü bir firma olmayı hedefliyoruz. Bu elle bir insanın işgal ettiği bir ortamda manipülasyon görevleri için güvenilir olacaktır. Geometri farkındalığıyla pekiştirmeli öğrenmede ticari olarak öncü bir projedir. Bu proje ile üreteceğimiz prototip, konseptin kanıtı olacak ve yenilikçi geometri farkındalığına sahip pekiştirmeli öğrenme çerçevemiz ile donatılmış yumuşak avuç içi ile yumuşak robotik el ürünümüzü pazarlamamıza olanak sağlayacaktır. Bu proje, ülkemizi robotik sistemlerde kullanılan bu önemli parçayı üretmede lider konuma getirecek ve bu parçaların ihracatı, el ithal parçalar üzerine inşa edilmeyeceği için Türkiye ekonomisi üzerinde olumlu bir etki oluşturacaktır.
