2025 yılının Temmuz ayının ilk haftasında, yapay zekâ ve robotik alanında makinelerin dinamik ortamlarda hareketleri öngörme ve strateji değiştirme yeteneklerinde eşi benzeri görülmemiş bir atılım yaşandı.
Bu gelişmenin merkezinde, ETH Zürih tarafından geliştirilen ve insan rakipleriyle otonom olarak badminton oynayabilen dört ayaklı robot ANYmal-D yer alıyor. Robot, pekiştirmeli öğrenme ile güçlendirilmiş yenilikçi bir kontrol sistemi kullanıyor; bu sayede tüy topunu takip edebiliyor, rotasını öngörebiliyor ve ustalıkla geri gönderebiliyor. Gelişmiş "beyni", tüy topunun hareketini izleyip yolunu tahmin etmesini ve sahada hızla hareket ederek topu karşılayıp geri göndermesini sağlıyor. Science Robotics dergisinde ayrıntılı olarak anlatılan bu başarı, bacaklı robotların hassas algı ve hızlı, tüm vücut tepkisi gerektiren dinamik görevlerde kullanılmasının potansiyelini gözler önüne seriyor.
Robot, görsel algı için stereo kamerayla ve badminton raketini kullanabilen dinamik bir kolla donatılmış durumda; bu da algı, hareket ve kol koordinasyonunun hassas bir şekilde senkronize edilmesini gerektiriyor. Araştırmacılar, sistemi pekiştirmeli öğrenme ile eğiterek robotun çevresiyle etkileşim ve deneme yoluyla etkili stratejiler geliştirmesini sağladı. İnsan oyunculara karşı yapılan testlerde ANYmal-D, sahada etkili bir şekilde hareket edebildiğini, farklı hız ve açılardaki topları geri gönderebildiğini ve 10 vuruşa kadar süren ralliler yapabildiğini gösterdi.
Bu atılım, yalnızca teknolojik bir merak olmanın ötesinde anlam taşıyor. Dört ayaklı robot, görsel algı, sensör verileri ve makine öğrenimini kullanarak hareketleri öngörebiliyor ve stratejisini ayarlayabiliyor; bu da spor ve eğitimde insan-robot iş birliğinin geleceğine ışık tutuyor. Proje, fiziksel robotik ile gelişmiş yapay zekâ muhakemesini birleştirerek, makinelerin karmaşık ve öngörülemez ortamlarda insanlarla birlikte çalışmasının önünü açıyor.
Robotik alanında çalışan bilim insanları, robotların öğrenme ve uyum sağlama biçimlerinde büyük atılımlar gerçekleştirdi. Önemli bir gelişme, farklı veri türlerinin birleştirilerek robotlar için anlamlı hale getirilmesi oldu. Örneğin, araştırmacılar, sensör takan insanların görevleri yerine getirirken topladıkları verileri, insanların robot kollarını kullanarak yaptığı teleoperasyon verileriyle ve internetteki benzer hareketlerin görüntü ve videolarıyla birleştirebiliyor. Bu veri kaynaklarının yeni yapay zekâ modellerinde bir araya getirilmesi, robotlara geleneksel yöntemlerle eğitilenlere kıyasla büyük bir avantaj sağlıyor. Tek bir görevin farklı yollarını görebilmek, yapay zekâ modellerinin gerçek dünyada doğaçlama yapmasını ve uygun sonraki adımları belirlemesini kolaylaştırıyor. Bu, robotların öğrenme biçiminde temel bir değişimi temsil ediyor.
Bu, günümüz yapay zekâ destekli üretiminin önemli bir boyutunu oluşturuyor. Pekiştirmeli öğrenmedeki atılımlar, fiziksel robotların karar almasını ve karmaşık fiziksel görevleri yerine getirmesini sağladı; örneğin, tişörtleri askıya asmak ya da pizza hamuru hazırlamak gibi. Üretken yapay zekâ ile robotların birleşimi, iş dünyasından sağlığa, eğitime ve eğlenceye kadar potansiyel uygulama alanlarını radikal biçimde genişletti ve akıllı makinelerin günlük yaşantımıza sorunsuzca entegre olacağı bir geleceğin habercisi oldu.