Çamaşırları ve çöpleri toplayıp odayı temizleyebilen robot geliştirildi: TidyBot
ABD'deki Princeton Üniversitesi'nde görev yapan bir ekip, sizin için odanızı toplayabilen hatta çamaşırlarınızı olduğu yerden alıp ayırabilen ve nereye istiyorsanız oraya yerleştiren bir robot geliştirdi. TidyBot henüz ticarileşmese de gerçek dünyadaki test senaryolarında yüzde 85 başarı oranı elde ettiği anlaşıldı.
Kolombiya, Princeton ve Stanford üniversitelerindeki uzmanlardan olan geliştirici ekip, Tidy Bot'u 4 farklı odada toplam 24 senaryoyla test etti; robotun başarısını anlamak amacıyla her senaryoda nesnelerin yerleştirilebileceği 2 - 5 yer belirlendi. Ayrıca nesneler "görülen" ve "görülmeyen" olarak tanımlandı.
Independent'in haberine göre robota komut vermek için metin tabanlı kıyaslama veri kümesine başvuruldu. Büyük Dil Modellerinin (LLM) yardımıyla girilen bazı komutlar, "sarı gömlekler çekmeceye, koyu renk gömlekler dolaba ve beyaz çoraplar çekmeceye" şeklindeydi.
Bu komutlardan hareketle LLM'ler "açık renkli giysiler çekmeceye, koyu renkli giysiler dolaba" gibi belirli bir kullanıcı için nesnelerin nereye ait olduğuna dair, genelleştirilmiş kurallar ortaya çıkardı. Ayrıca LLM'lere "çamaşırları çamaşır sepetine koy" gibi spesifik komutlar da verilerek stratejinin çamaşır yıkarkan de uygulanması sağlandı.
GÖRÜNMEYEN NESNELERDE YÜZDE 91,2 DOĞRULUK
TidyBot 24 farklı senaryo boyunca "görünmeyen" olarak tanımlanmış nesneler üzerinde yüzde 91,2 doğruluk elde etti. Robotun temizliğe başlaması için öncelikle kullanıcıların görev ataması gerekiyor. Bunun için de belirli nesneler için birkaç tane yerleştirme örneği sağlamaları gerekiyor. Ardından LLM'ler görevleri öğreniyor.
TidyBot'un resmi sitesinde robotun yetenekleri şöyle aktarılıyor:
"Bu çalışmada, nesneleri toplayıp kaldırarak odaları toparlayabilen robotlarla ev temizliğinin kişiselleştirilmesini araştırıyoruz.
İnsanların tercihleri kişisel zevke veya kültürel geçmişe bağlı olarak büyük ölçüde değişebileceğinden, önemli bir zorluk, her nesneyi koymak için uygun yeri belirlemektir. Örneğin, bir kişi gömlekleri çekmecede saklamayı tercih ederken, diğeri onları rafta tercih edebilir. Belirli bir kişiyle önceki etkileşimler yoluyla bu tür tercihleri sadece bir avuç örnekten öğrenebilecek sistemler oluşturmayı amaçlıyoruz.
"Robotların, gelecekteki etkileşimlere geniş ölçüde uygulanabilecek kullanıcı tercihlerini, dil tabanlı planlama ve algılamayla büyük dil modellerinin (LLM'ler) özetleme yetenekleriyle birleştirerek anlayabileceğini göstermek istiyoruz."
Kaynak: Independent
