Robotikçiler Robotlara Nasıl Öğreteceklerini Çocuklardan Öğreniyor

Washington Üniversitesi’nden gelişimsel psikologlar ile bilgisayar bilimcilerin ortaklaşa yürüttüğü bir çalışmada, robotların çocuklara çok benzer biçimde öğrenebilecekleri ortaya koyuldu...
Görsel Telif: University of Washington

Bebekler ellerinin havadaki hareketlerine bakarak, eşyaları masadan aşağı iterek ve yetişkinlerin yaptıklarına bakıp, onları taklit ederek dünyayı keşfederler. Fakat robotikçiler robotlara birşey öğretmek istediklerinde, tipik olarak ya kod yazarlar ya da eylemi nasıl gerçekleştirebileceğini göstermek için robotun ilgili uzvunu fiziksel olarak hareket ettirirler.

Washington Üniversitesi’nden gelişimsel psikologlar ile bilgisayar bilimcilerin ortaklaşa yürüttüğü bir çalışmanın sonucunda ise robotların, çocuklara çok benzer biçimde öğrenebilecekleri ortaya koyuldu. Bir veri yığınını tarayıp keşfederek, bir insanın nasıl yaptığına bakarak ve kendisinin en rahat nasıl yapabileceğini belirleyerek öğrenme sürecine girebilirler. “Bu çalışmayı, tıpkı çocukların yetişkinlerden birşeyler öğrenişi gibi insanlardan yeni şeyler öğrenebilen robotların yapılandırılması yönünde atılmış bir adım olarak görebiliriz,” diyor ekipten Prof. Rajesh Rao.

“Eğer bilgisayar programlama hakkında hiçbir şey bilmeyen insanların robotlara birşeyler öğretebilmesini istiyorsanız, bunun yolu göstermekten geçer. Robota bulaşıkları nasıl yıkayacağını, giysileri nasıl katlayacağını, ev işlerini nasıl yapacağını göstermek gerekir. Ama bunu başarabilmek için de robotun o eylemleri anlayabilmesi ve kendi kendine yapabilmesi gerekir,” diye ekliyor Rao.

Çocuk gelişim araştırmalarını makine öğrenimi ile harmanlayan çalışmanın ayrıntıları PLOS ONE dergisinin Kasım sayısında yayımlanan bir makale ile paylaşıldı. Makalede, ekibin geliştirdiği yeni bir olasılıksal model sunuluyor. Modelin amacı robotikteki temel problemlerden biri olan bu zorluğa çözüm bulmak; yani insanları izleyerek ve taklit ederek öğrenebilen bir robot yapmak.

Robotikçiler, araştırmalarını psikoloji profesörü Andrew Meltzoff ile ortaklaşa yürütmüş. Meltzoff’un, 18 aylık kadar küçük çocukların, bir yetişkinin eyleminin amacını anlayarak, o amaca kendi başlarına ulaşmalarını sağlayacak farklı yollar geliştirebileceklerini gösteren bir çalışması bulunuyor.

Örneklerden birinde çocuk, bir yetişkinin çan biçimli bir oyuncağın parçalarını ayırmaya çalıştığını görüyor. Yetişkin bunu başaramıyor, çünkü parçalar birbirine çok sıkı geçmiş ve elleri kayıyor. Çocuk dikkatlice izliyor ve alternatif metodlar kullanmaya karar veriyor. O minicik parmaklarını oyuncağın uçlarına doluyor ve güçlü bir şekilde bir anda asılıyor. Yani yetişkinin yapmaya çalıştığı, ama elleri kaydığı için yapamadığını yapıyor.

Çocuklar, niyet okuma becerisini kısmen onların fizik yasalarının farkına varmalarını sağlayan kendi keşifleri yoluyla kazanırlar. Sonuç olarak başkalarından öğrenebilirler ve başkalarının niyetlerine ilişkin yorum yapabilirler. Meltzoff ayrıca bebeklerin o denli çabuk öğreniyor olma nedenlerinin çok oyuncu olmaları olduğunu düşünüyor. “Bebekler öylesine oynuyorlarmış gibi görünebilir, ama onların gelecekte öğrenecekleri için bu çok önemli. Yeni bir oyuncakla nasıl oynanacağını anlamaya çalışırken, diğer oyuncaklarla oynarken edindiği bilgiyi kullanıyorlar. Oyun esnasında kendi eylemlerinin fiziksel dünya üzerinde yarattığı etkinin zihinsel modelini öğreniyorlar. Bir kez bu modele sahip olursanız, basit problemleri çözmeye başlayabilir ve başkalarının niyetlerine ilişkin öngörüler yapabilirsiniz,” diyor.

Rao’nun ekibi bebekler üzerinde yaptıkları bu çalışmayı, bir robotun kendi eylemlerinin nasıl sonuçlar doğuracağını keşfetmesine izin verecek makine öğrenimi algoritmaları geliştirmek için kullanıyor. Ardından bu öğrenilmiş olasılıksal modeli, bir insanın ne yapmak istediğini çıkarsamak ve görevi tamamlamak ve eğer kendi başına tamamlayabilmesi kesin değilse yardım istemek için kullanılacak.

Araştırmacılar, robotik modellerini iki farklı senaryo ile sınamış. Biri, robotun insanın bakışlarını izleyerek öğrendiği bir bilgisayar simülasyonu deneyi; diğer deney de gerçek bir robotun insan davranışlarını taklit ederek oyuncak yiyecekleri bir masanın üzerinde gezdirmesi ile ilgili. Bakış deneyinde robot kendi kafa hareketlerinin bir modelini öğreniyor ve insanın kafasının da aynı kurallara göre işlediğini varsayıyor. Robot, insan odanın değişik yerlerinde göz gezdirirken, insan kafasının hareketlerinin başlangıç ve bitiş noktalarını izliyor. Bu bilgiyi kullanarak, insanın nereye bakmakta olduğunu anlıyor. Ardından kafa hareketlerine ilişkin öğrendiği modeli, insanla aynı konumda sabitlemek için kullanıyor.

Ekip ayrıca Meltzoff’un, bebeklerin görsel engeller ve göz bağı olan yetişkinlerin nereye baktıkları ile ilgilenmediklerini, çünkü onların aslında göremediklerini anladıklarını gösteren bir testini de yeniden tasarlamış. Robota, gözleri bağlı olmanın sonuçlarını bir kez öğrettiklerinde, robot insanın kafa hareketlerini izlemeyi bırakmış. “Bebekler kendi deneyimlerine dayanarak ötekilerin davranışlarını yorumlar; bizim robotumuzun yaptığı da bu,” diyor Meltzoff.

İkinci deneyde ekip bir robotun farklı nesneleri bir masada alıp bırakmasına izin vermiş. Robot bu modeli kullanarak, nesneleri masada gezdiren veya aşağı atan bir insanı taklit etmiş. Her seferinde insanın eylemlerini birebir taklit etmek yerine, robot bazen aynı sonuca ulaştıracak farklı yollar kullanmış. “Eğer insan bir nesneyi yeni bir konuma iterse, robot için itmek yerine kaldırıp koymak o nesneyi oraya götürmek için daha kolay ve güvenli bir yol olabilir. Ama bunun için amacın ne olduğunun bilinmesi gerekir ki, çalışmamızın ele aldığı zor robotik problemi de işte bu,” diyor başyazar Michael Jae-Yoon Chung.

Robotik masa üstü düzenleme görevi düzeneği. (a) Robot çalışma alanının sol tarafında bulunuyor ve Kinect (hareket algılayıcı) robotun görüş açısından bakıyor. Önceden tanımlanmış üç farklı alan var: Sol, sağ ve masa dışı. (b) Masanın üstündeki nesneler. Robot, kendi geometrisi için en uygun hareketin ne olduğunu seçerek, insanın hareketinin amacını saptayıp, kendine uygun yolla aynısını yapıyor. Telif: University of Washington

Kaynak ve İleri Okuma

Etiket
  • Projelerimizde bize destek olmak ister misiniz?
  • Dilediğiniz miktarda aylık veya tek seferlik bağış yapabilirsiniz.
  • Destek Ol
Yorum Yap (0 )

Yorum yapabilmek için giriş yapmalısınız.

Bunlar da ilginizi çekebilir

Bağış Yap, Destek Ol!
Projelerimizde bize destek olmak isterseniz,
Patreon üzerinden
bütçenizi zorlamayacak şekilde aylık veya tek seferlik bağışta bulunabilirsiniz.
E-Bülten Üyeliği
Duyurulardan e-posta ile
haberdar olmak istiyorum.
Reklam Reklam Ver
Arşiv