İspanyol Araştırmacılar Robotların Konumunu Kaybetmesini Önleyen Yapay Zeka Geliştirdi

Robotların konumlarını yitirmesi, literatürde "kaçırılan robot" olarak adlandırılan ve uzun zamandır çözüm aranan bir sorun olarak öne çıkıyor. İspanya'daki Miguel Hernández de Elche Üniversitesi'nden bir araştırma grubu, bu problemi çözmek amacıyla yeni bir yapay zeka destekli konumlandırma yöntemi geliştirdi.

3D LiDAR Teknolojisi ile Yenilikçi Konumlandırma

Geliştirilen yöntem, lazer darbeleri kullanarak çevrenin üç boyutlu bir harita benzeri temsilini oluşturan 3D LiDAR teknolojisinden yararlanıyor. Bu sayede robotların yerleri değiştirildiğinde, kapatıldığında veya başka şekillerde hareket ettirildiğinde bile doğru konumlarını yeniden belirleyebildikleri ifade ediliyor.

GPS Sinyallerine Bağımlılığı Azaltıyor

Güvenilir ve emniyetli konumlandırma, hizmet robotları, lojistik otomasyonu, altyapı denetimi, çevresel izleme ve otonom araçlar için kritik öneme sahip. Çoğu otonom robot kısmen GPS gibi uydu bazlı sistemlere dayanıyor ancak bu sinyaller yüksek bina yakınlarında zayıflamakta ve kapalı alanlarda genellikle çalışmamakta. Araştırmacıların geliştirdiği Monte Carlo Localisation – Deep Local Feature (MCL-DLF) adlı sistem ise robotların dış altyapıya değil, üzerlerindeki sensörlere daha etkin biçimde güvenmesini sağlıyor.

İnsana Benzer Konum Bulma Mekanizması

Sistem önce binalar ve bitki örtüsü gibi büyük yapıları tanıyarak geniş bölgeyi belirliyor, ardından robotun tam konumunu küçük ayrıntılar üzerinden daraltıyor. Bu süreç, insanların yabancı bir ortamda yön bulurken izlediği yönteme benzetiliyor. Çalışmanın başyazarı ve Miguel Hernández de Elche Üniversitesi araştırmacısı Míriam Máximo, "Bu yöntem insanların önce genel bir bölgeyi tanıyıp sonra tam konumlarını anlamak için küçük, ayırt edici detaylara odaklanmasına benziyor" dedi.

Yapay Zeka ile Sürekli Öğrenen ve Güncellenen Sistem

Yapay zeka destekli sistem, konumlandırmada hangi çevresel özelliklerin en faydalı olduğunu öğreniyor. Aynı anda birden fazla olası konum tahminini koruyor ve yeni sensör verileri geldikçe bu tahminleri sürekli güncelliyor. Araştırmacılar, bu yaklaşımın birbirine çok benzeyen ya da zaman içinde değişen ortamlar için konum doğruluğunu ve güvenilirliğini artırdığını belirtiyor.

Gerçek Dünya Koşullarında Başarılı Testler

Teknoloji, farklı mevsimler ve ışık koşulları dahil olmak üzere değişken şartlarda üniversite kampüsünde birkaç ay boyunca test edildi. Araştırmacılar, sistemin geleneksel yöntemlere kıyasla mevsimsel farklılıklar, ışık ve bitki örtüsündeki değişiklikler gibi çeşitli çevresel koşullar altında daha yüksek konum doğruluğu ve tutarlı performans sağladığını kaydetti. Yeni sistemin, gerçek dünyada koşulların nadiren sabit kaldığı ortamlarda robotların daha bağımsız çalışmasına olanak tanıyabileceği ifade edildi.