1. Anasayfa
  2. Teknoloji

Çin’den Yeni Robot: İnsan Hareketlerini Milisaniyeler İçinde Kopyalıyor

Çin’den Yeni Robot: İnsan Hareketlerini Milisaniyeler İçinde Kopyalıyor
0

Çinli girişim Westlake Robotics, gerçek zamanlı hareket taklidi için tasarlanan ve kendi bünyesinde geliştirdiği “General Action Expert (GAE)” temel modelinden güç alan Titan 01 isimli insansı robotunu tanıttı. 

Hangzhou şehrindeki bir gösteri sırasında robot, bir hareket yakalama kıyafeti kullanan operatörün el sallama, dönme ve hatta topa vurma gibi hareketlerini milisaniyeler içinde taklit etti.

Çin medya raporlarına göre sistem, denge ve koordinasyon sağlama yeteneğine sahip bir “genel amaçlı beyincik” olarak pazarlanıyor. Hangzhou merkezli şirket, modelin farklı kullanıcılara uyum sağlayabildiğini, aynı anda birden fazla robotu kontrol edebildiğini ve farklı yapılar arası uyumluluk sayesinde farklı tasarım ile boyutlardaki makinelerde kullanılabileceğini belirtiyor.

Hareket Senkronizasyonu Sağlandı

Titan 01, zaman veya ortam kısıtlaması olmadan insan hareketlerinin gerçek zamanlı taklidini sağlayan bağımsız olarak geliştirilmiş GAE modelinden faydalanıyor. Bu sistem, tek bir operatörün aynı anda birden fazla robotu kontrol etmesine ve her bir birimin aynı görevleri senkronize şekilde yerine getirmesine imkan tanıyor.

Hangzhou gösterisinde operatörün kol savurma ve gövde rotasyonundan adım uzunluğu ve bacak kaldırışına kadar tüm hareketleri robot tarafından tam uyumla tekrar edildi. Techinasia tarafından paylaşılan bilgilere göre robot, yüksek düzeyde bir ritim sergileyerek operatörle eş zamanlı hareket etti.

GAE modeli, hareketler için merkezi bir koordinasyon sistemi olarak çalışarak robotun gelen sinyallere yanıt verirken dengesini korumasını ve akıcı, hassas hareketler gerçekleştirmesini sağlıyor. Model, farklı operatörlere ve hareket değişimlerine hızlı şekilde uyum sağlayarak hareketler öngörülemez şekilde değiştiğinde bile tutarlı performans sunuyor.

Şirket ayrıca modelin farklı yapı ve boyutlardaki robotlara uygulanabilmesini sağlayan “cross-embodiment” özelliğini de vurguladı. Böylelikle aynı temel sistem, farklı robot platformlarında kullanılabiliyor ve hareket kontrolü ile tepki verme kabiliyeti korunuyor.

Robotlar Daha Hızlı Öğreniyor

GAE modeli, makinelerin fiziksel görevleri daha doğal ve verimli bir şekilde öğrenmesine olanak tanıyarak insansı robotlar için hareket zekası konusunda önemli bir adım teşkil ediyor. İnsan hareketlerini doğrudan robotik eyleme dönüştüren sistem, robotların operatörleri yüksek hassasiyet ve akıcılıkla takip etmesine yardımcı oluyor.

Geleneksel manuel programlamaya dayanmak yerine, robotlar hareket modellerini gözlem yoluyla öğrenip uyum sağlıyor; bu da süreci daha hızlı ve sezgisel hale getiriyor. Sistemin temel özelliklerinden biri olan “shadow function” (gölge fonksiyonu), robotların insan operatörlerin gerçek zamanlı fiziksel uzantıları gibi hareket etmesine izin veriyor. Bu kabiliyet üretim, sağlık ve tüketici hizmetleri gibi alanlarda hızlı eğitim, uzaktan görev icrası ve daha güvenli operasyonlar için yeni olanaklar sunuyor.

Housebots tarafından paylaşılan habere göre, bu gelişme Çin’deki robotik inovasyonunu ilerletme yönündeki akademik kurumlar ve ticari işletmeler arasındaki daha geniş bir iş birliği eğilimini yansıtıyor. Araştırma uzmanlığı ile pratik uygulama stratejilerinin birleşmesi, hareket zekasının algı temelli öğrenme sistemleriyle entegre edilmesine odaklanıldığını gösteriyor.

İnsansı robot teknolojisi daha geniş çapta kullanıma doğru ilerlerken, GAE gibi sistemlerin temel bir rol oynayabilir. Bu tür teknolojiler, robotların yalnızca bilgiyi işlemesini değil aynı zamanda gerçek dünya koşullarında insan benzeri koordinasyon, uyum ve tepki kabiliyetiyle hareket etmesini mümkün kılma potansiyeli taşıyor.

Kaynak: https://interestingengineering.com/ai-robotics/china-humanoid-robot-titan-01
Bu Yazıya Tepkiniz Ne Oldu?
  • 0
    be_endim
    Beğendim
  • 0
    alk_l_yorum
    Alkışlıyorum
  • 0
    e_lendim
    Eğlendim
  • 0
    d_nceliyim
    Düşünceliyim
  • 0
    _rendim
    İğrendim
  • 0
    sevdim
    Sevdim
  • 0
    _ok_k_zd_m
    Çok Kızdım

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir