Somutlaştırılmış Yapay Zeka

Somutlaştırılmış yapay zeka, pasif algoritmalardan fiziksel veya simüle edilmiş bir 3D ortamda algılama, akıl yürütme ve etkileşim kurabilen akıllı sistemlere doğru önemli bir geçişi temsil eder. Yalnızca statik veri kümeleri üzerinde çalışan geleneksel makine öğrenimi modellerinden farklı olarak , bu sistemler fiziksel bir robot şasisi veya sanal bir avatar gibi eylemleri gerçekleştirmelerine ve sürekli çevresel geri bildirimlerden öğrenmelerine olanak tanıyan bir "beden"e sahiptir. Sensör girdilerini akıllı karar verme ile birleştirerek, somutlaştırılmış ajanlar dijital hesaplama ile gerçek dünyadaki uygulama arasındaki boşluğu doldurur.

Somutlaştırılmış Sistemler Dünyayı Nasıl Algılar?

Bu dinamik sistemlerin merkezinde, ajanın çevresini uzamsal olarak anlamasını sağlayan gelişmiş bilgisayar görüşü bulunmaktadır. Güvenli ve etkili bir şekilde gezinmek için, somutlaştırılmış ajanlar büyük ölçüde gerçek zamanlı nesne algılama ve sürekli poz tahminine dayanır. Geliştiriciler bu ajanlar için sinirsel yollar oluştururken, genellikle karmaşık uzamsal verileri işlemek için PyTorch veya TensorFlow araçlarından derin öğrenme çerçevelerini entegre ederler.

Gerçek özerkliği elde etmek için, bu sistemler giderek daha fazla görsel-dil modellerini sağlam gerçek zamanlı çıkarım motorlarıyla birlikte kullanıyor. Bu, yapay zekanın sadece bir bardağı tanımakla kalmayıp, "masanın kenarındaki kırmızı bardağı al" gibi karmaşık talimatları da anlamasını sağlıyor. Stanford'un İnsan Merkezli Yapay Zeka Enstitüsü (HAI) gibi kurumların araştırmaları , bu ajanların çoklu duyusal verileri entegre etme sınırlarını zorlamaya devam ediyor.

İlgili Yapay Zeka Terimlerini Ayırt Etme

Bu alanı anlamak için, onunla yakından ilişkili kavramlardan ayırt etmek gerekir:

• Robotik: Robotik, mekanik donanım, aktüatörler ve motor kontrolüne yoğun bir şekilde odaklanır. Somutlaştırılmış AI, Boston Dynamics'in Atlas robotu gibi projelerde görüldüğü gibi, donanımı otonom hale getiren bilişsel yazılım katmanını sağlar.
• Fiziksel AI: Sıklıkla birbirinin yerine kullanılmasına rağmen, fiziksel yapay zeka kesinlikle somut, gerçek dünya donanımı gerektirir. Somutlaştırılmış yapay zeka daha geniştir ve NVIDIA Isaac robotik platformu gibi simüle edilmiş 3D fizik ortamlarında eğitilmiş sanal ajanları kapsar .
• AI Aracısı: Geleneksel AI ajanları dijital alanlarda çalışır (örneğin, web'de gezinme veya kod yazma). Somutlaştırılmış ajanlar uzamsal boyutluluk, fiziksel kısıtlamalar ve sürekli duyusal akışları işlemek için özelleştirilmiştir.

Gerçek Dünya Uygulamaları

Bilişsel muhakeme ile fiziksel eylemin entegrasyonu, birçok sektörde dönüştürücü uygulamalara yol açmıştır. Bu uygulamalar, ACM dijital kütüphanesinde yapay zeka araştırmaları için ayrıntılı olarak belgelenmiştir.

• Otonom araçlar: Otonom araçlar, şehir sokaklarında navigasyon için somutlaştırılmış zekaya dayanır. Sürekli lidar ve kamera verilerini işleyerek trafik işaretlerini ve yaya hareketlerini yorumlarlar, tıpkı Waymo'nun otonom sürüş teknolojisinin dinamik kentsel ortamlarla güvenli bir şekilde etkileşime girmesi gibi.
• Akıllı üretim: Ultralytics modelleri ile donatılmış robotik kollar, karmaşık montaj hattı görevlerini yerine getiriyor. Bu kollar, kusurlu parçaları dinamik olarak tanımlayıp seçerek ayırıyor ve DeepMind robotik araştırmalarında keşfedilen ilkeleri sergiliyor. Ultralytics YOLO26 modelleri ile donatılmış robotik kollar, karmaşık montaj hattı görevlerini yerine getiriyor. Bu kollar, kusurlu parçaları dinamik olarak tanımlayıp seçerek ayırıyor ve DeepMind robotik araştırmalarında keşfedilen ilkeleri sergiliyor.
• Tarımsal insansız hava araçları: İnsansız hava araçları uzamsal farkındalığı kullanarak mahsulün sağlığını izler ve kaynakları yalnızca gerekli yerlere akıllıca püskürtür, böylece israfı azaltır ve verimi artırır.

Somutlaştırılmış Ajanlar için Algı Oluşturma

Bu fiziksel sistemleri geliştiren geliştiriciler genellikle Ultralytics kullanarak dinamik eğitim verilerini açıklama ekliyor ve hafif kenar AI modellerini doğrudan düşük güçlü donanımlara sorunsuz bir şekilde dağıtıyor.

Aşağıda, bir robot ajanın görme modelini kullanarak çevresindeki detect nesneleri sürekli olarak nasıl detect gösteren bir Python verilmiştir. .

from ultralytics import YOLO

# Load the lightweight YOLO26 model designed for real-time edge hardware
model = YOLO("yolo26n.pt")

# Perform continuous object detection on a robotic camera feed
results = model.predict(source="camera_feed.mp4", stream=True)

# Process the spatial bounding boxes to guide robotic interaction
for r in results:
    print(f"Detected {len(r.boxes)} objects ready for physical interaction.")

Donanım tasarımı ve bilişsel modelleme alanları olgunlaştıkça — Anthropic AI güvenliği üzerine yaptığı araştırmalar ve OpenAI'nin en son akıl yürütme modellerigibi uyum çabalarıyla yönlendirilerek — somutlaştırılmış sistemler , IEEE Spectrum'un robotik haberlerinde sık sık vurgulandığı gibi, araştırma laboratuvarlarından günlük ortamlara geçişini sürdürecektir. IEEE Spectrum'un robotik haberlerinde sık sık vurgulandığı gibi.