Kaliforniya'daki bir depoda gerçekleştirilen deneysel çalışma, humanoid robotları eğitmek için beyin aktivitesi ölçümlerinin kullanılabileceğini gösteriyor. Veri işleme şirketi Encord, Alman nörobilim startupu Zander Labs ile işbirliği yaparak, insanların görev sırasında yaşadığı hata, niyet ve şaşkınlık gibi zihinsel durumları tespit etmek amacıyla beyin dalgalarını kaydediyor.

Robotik Eğitimi için Veri Kıtlığı Sorunu

Humanoid ve depo robotlarının geliştirilmesindeki temel engel, model mimarisi değil, gerçek dünyadan toplanan eğitim verilerinin yetersizliğidir. Encord'un başında bulunan Vineeth Velmurugan'a göre, robotik manipülasyon görevleri için gerekli veri miktarı YouTube'un tüm video deposunun yaklaşık beş katı büyüklüğündedir. Bu nedenle veri üretimi, sadece bir araştırma sorunu olmaktan çıkıp bağımsız bir iş alanı haline gelmiştir.

Farklı Veri Toplama Yöntemleri

Encord şu anda iki ana kaynaktan veri toplamaktadır: işçilerin kamera taşıyarak kaydettikleri birinci şahıs perspektifi videolar ve uzaktan kontrol edilen robotlardan elde edilen veriler. San Leandro tesisinde, çalışanlar beyin dalgası ölçümü gibi yeni yöntemleri denemenin yanı sıra, kahve dökme ve poker fişi isteme gibi belirli görevler için özel veri setleri oluşturmaktadır. İnsan operatör tarafından kontrol edilen robotic kolların taklit etmesiyle elde edilen lider-takipçi kurulumları, tüm humanoid şirketler tarafından talep görmektedir.

Ne anlama geliyor?

Fiziksel görevleri yerine getiren makineleri eğitmek, yazılı metinle eğitilen sistemlerden çok daha farklı zorluklar sunar. Sürücüsüz araç şirketleri yıllardır gerçek dünyada toplanan veriler üzerinde çalışmakta ancak bu yaklaşımı ölçeklemek güçleşmektedir. Video kayıtlarından öğrenme mümkün olsa da, gerçek hayat verilerinin ayrıntısını ve hassasiyetini sunamamaktadır.

Beyin aktivitesi ölçümleri, bu bağlamda yeni bir perspektif sunmaktadır. İnsanlar bir görevi gerçekleştirirken beyinde meydana gelen elektriksel faaliyetler, sistemin iyileştirilmesi gereken anları ve yüksek odaklanma gerektiren noktaları tanımlanmasına yardımcı olabilir. Örneğin, bir robot manipülasyon görevini öğrenirken, insan eğitmenlerin hata yaptığını fark ettiği anlar veya görev önemli bir dönüm noktasına ulaştığı anlar, beyin sinyalleriyle işaretlenerek daha zengin bir eğitim veri seti oluşturulabilir.

Bunun pratik sonucu, daha verimli ve hızlı robotik eğitimi olabilmektir. Geleneksel yöntemlerle saatler harcanan veri işlemesi, beyninsel emarkaları içeren veri setleriyle daha kısa sürede ve daha doğru sonuçlara ulaşabilir. Bu teknik, endüstriyel otomasyondan ev robotlarına kadar pek çok alanda uygulanabilir potansiyeli taşımaktadır.