Fiziksel yapay zekanın gerçek darboğazı: Yetkinlik tek hareket değil, güvenilir sistem.

Bir robot bir nesneyi alır, taşır ve sorunsuzca yerine koyar. Tek başına bu yetkin (dexterous) sayılabilir. Ancak aynı işi nesneler hafifçe kayarken, tutuş değişirken bileşenler aşınırken ve beklenmedik arızalar oluşurken yüzlerce kez üst üste başarıyla yapması istense ne olur? Bu çok daha zor bir yetkinlik testi ve robotun gerçek dünyada çalışmaya yeterli kadar yetkin olup olmadığının çok daha iyi ölçüsü.

Görü ve hareket verilerinin bile yeterli bilgi sağlayabildiği bazı durumlar dışında, dokunma sensörü nesnenin kaydiğini, temelin kararsız olduğunu, fazla basıncın uygulandığını veya bir bileşenin yerinde olduğunu robota anlatabilen kritik geri bildirimler sağlar.

Robotların ne yapabileceğinde hızlı ilerleme kaysak da, işe yarar yetkinlik yalnızca bireysel bir hareketi tek başına tamamlama yeteneği değildir. Algılayıp tutmak, taşımak, ayarlamak ve sürekli insan yardımı olmadan tüm bir süreci güvenilir şekilde tamamlayabilmektedir.

TDK Ventures; malzeme, enerji, temiz teknoloji, endüstri 5.0, mobilite ve sağlık teknolojisi alanındaki erken aşama girişimlerinin ölçeklenmesine yardımcı oluyor. | Kaynak: TDK Ventures

Bir robotun %99 başarıyla çalıştığı düşünüldüğünde işe hazır gibi görünse de, gerçek nadiren tek hareetten ibarettir. 100 fiziksel hareketin üst üste gerektiği bir süreci düşünün. Her hareket için %99 başarı oranında, tüm 100 hareketin ilk denemede başarılı olma olasılığı ancak %36,6’dır. Başarı oranı %99,9’a yükseldiğinde süreç tamamlanma olasılığı %90,5’e çıkar. %99,99’da ise %99,0’a ulaşır.

Bu tabii ki eşit ve bağımsız başarı oranları varsayan sadeleştirilmiş bir örnektir; ancak önemli bir noktayı gösteriyor: %99 başarı oranına sahip bir robot, kaçınılmaz olarak %99 otomatikleşmiş değildir. Küçük güvenilirlik açıkları, tüm bir süreç boyunca tekrarlandığında çok daha büyük hale gelir. Bu nedenle demoda neredeyse kusursuz görünen bir robot, otonom şekilde çalışmaya hazır olmaktan hâlâ uzak olabilir İki ve dört “dokuz” arasındaki farkın nihayetinde bir robotun yalnız başına çalışmaya hazır olup olmadığını belirleyebileceği söylenebilir.

Robotik yetkinliğindeki bir sonraki büyük meyok okuma, robotlara daha fazlasını öğretmek değil; bu kabiliyetleri işe yarar işe dönüştürecek kadar tüm sistemin yeterli derecede güvenilir olmasıdır.

Bu işi tamamlamak; görü, konum, temas, kuvvet, basınç, tutuş, hareket ve ayar arasında kapalı bir döngü gerektirir. Güç, güvenlik, esneklik ve geri kazanım da önemlidir. Her sürecin dokunma ihtiyacı yoktur; ancak dokunma sensörü robota nesnenin kaydiğini, temelin kararsız olduğunu, fazla basıncın uygulandığını veya bir bileşenin yerinde olduğunu anlatabilen kritik geri bildirimler sağlar.

Amaç her robeta her duyuyu yığmak değil, sisteme hareket edip güvenilir şekilde geri dönebilmesi için yeterli doğru bilgiyi vermektir.

Daha fazla “dokuz” öğrenmeden gelir. Geri kazanım yetkinliğin büyük bir parçasıdır. Bir robot nesneye olan tutuşunu kaybetmeye başladığında, kullanışlı ölçü orijinal tutuşun ne kadar mükemmel olduğu değil; sistemin küçük bir hatanın tüm görevin başarısızlığına yol açmadan önce onu yeterince erken tespit edip düzeltebilmesidir.

Yazılım, Algı veya Kontrol alanında bir sorunu ortaya çıkarabilir ya da donanımın yeniden tasarlanması gerektiğini gösterebilir. El değişimi hareketi, algıyı ve kalibrasyonu değiştirir; bu nedenle tek fiziksel tasarım ile toplanan veri doğrudan diğerine aktarılmayabilir. Bu nedenle gerçek dünya uygulaması, geliştirme sürecinin kritik bir parçasıdır.

Uygulama kaymaları, zayıf tutuşları, aşınmayı ve başarısız geri kazanımları ortaya çıkarır. Bu deneyimler yazılımı, simülasyonu, algıyı, kontrolü ve donanımı iyileştirebilecek veriler haline gelir. Her döngü bir sonraki uygulamayı daha güvenilir ve daha ucuz kılar.

Teknolojik bir atılım yolculuğun başlangıcı olabilir; ancak etkisini çarpan hale getiren onu çevreleyen öğrenme sistemidir. Robotik yetkinlik de aynı şekilde değerlendirilmelidir. Ek “dokuz”lar, tekrarlayan uygulama, öğrenme ve iyileştirmeden doğar.

Doğru beden işe bağlıdır. Güvenilirlik aynı zamanda daha insancıl robotları iyi robotlarla eşitleme dürtüsüne direnmeyi gerektirir. Başlangıç noktası olmalı oradan geriye doğru çalışarak ortamı, fiziksel biçimi ve onu yerine getirmek için gereken sistemi belirlemelidir.

Yetkinlik aynı mantığı izmelidir. En insancıl el, belirli bir süreç için en iyi el olmayabilir. Amaç maksimum yetkinlik değildir. Değerli işi güvenilir şekilde tamamlamak için gereken minimum yeterli yetkinliktir ve bu ilkenin başarıyla uygulandığını görmeye başlıyoruz.

Digit, lojistik ve endüstriyel çalışmalar için tasarlanmış iki ayaklı bir robottur. Dört parmaklı bir eller gerektirmeden veya insancıl görünümlü olmaya çalışmadan, işe uygun özel aletlerle doğrudan bağlanabilir. İşin gerçekten ihtiyaç duyduğu biçim ve yetkinliğe sahiptir.

33.000’den fazla muayene lojistik noktalarında uygulandı. Bu teknoloji, tehlikeli alanların incelenmesi için insan maruziyetini azaltırken bir uygulamada 450 noktadan fazla muayene gerçekleştirdiği bildiriliyor.

10 milyon otonom teslimat bildiren aynı ilkeyi farklı bir ortama uygular. Yolları takip etmesi gereken robotlar için küçük, tekerlekli biçim işe daha uygun; bu amaçlı yaklaşım Starship’in 10 milyondan fazla otonom teslimat bildirmesine yardımcı oldu.

Bu robotlar görünüş ve çalışma bakımından çok farklıdır çünkü çok farklı işler yaparlar. Yine de aynı ilkeyi gösterirler: Doğru fiziksel biçim, işe uyan ve gerçek ortamda tekrar tekrar yerine getirebilenidir.

Agility, ANYbotics ve Starship’e yaptığımız yatırımlar bir yatırımcı olarak sorduğum soruları değiştirdi; özellikle yetkinlik üzerine sürdüğümüz derin araştırmalar sırasında. Artık hangi robotun daha insancıl göründüğünden çok, müşterinin gerçekten ihtiyaç duyduğu güvenilirliğe ulaşabilen tam sistemin ne olduğuyla ilgileniyorum.

Sauvage, Agility Robotics’in Digit humanoid robotty ile. | Kaynak: TDK Ventures

Sınamayı değil, işiölçün. Bu fiziksel ilerlemesini nasıl ölçmemiz gerektiğini değiştiriyor. Demoda gösterilen bireysel bir hareketin başarı oranı, robotun gerçek dünyada otonom çalışmaya gerçekten hazır olup olmadığı hakkında çok az şey söylüyor.

Tüm sürecin insan yardımı olmadan ne yüzde tamamlandığını bilmek istiyorum. Bir şey yanlış gittiğinde robot yardım olmadan sıklıkla geri dönebiliyor mu? Nesne, ışık, konum, aşınma veya çevresel ortam değiştiğinde performans nasıl değişiyor?

Sonra ölçeklendiğinde son derece önemli hale gelen daha az çekici sorular var. Tekrarlanan kullanım altında ilk ne kırılıyor? Tanılanması, onarılması ve işe geri döndürülmesi ne kadar hızlı? Her başarılı tamamlanan işin hızı, çalışma süresi ve maliyeti nedir?

Bunlar nihayetinde bir robotun tek başına gösterebileceğinden daha iyi yetkinlik ölçüleridir. Bir robota en insancıl el, en çok ekle veya mümkün olduğunca geniş beceri yelpazesine ihtiyaç yoktur. Değerli bir işi gerçekten çalışacağı ortamda güvenilir şekilde tamamlamak için fiziksel biçim, algı, kontrol ve geri kazanımın doğru kombinasyonuna ihtiyaç vardır.

Robotik yetkinlikteki ilerlemenin bir sonraki aşamasının kazanılacağı yer de burasıdır. Endüstri robotların ne yapabileceğinde olağanüstü ilerlemeler kaydetti. Şimdi meyok okuma, bu kabiliyetleri müşterilerin tekrar tekrar işe yarar işi gerçekleştirebilecek, bir şey yanlış gittiğinde geri dönebilecek ve uygulamayla iyileşebilecek sistemlere dönüştürmektir.

, TDK Corp’un küresel kurumsal girişim sermayesi kolu TDK Ventures’ın kurucusu ve başkanıdır. Firmayı 2019’da basit bir ilke etrafında kurdu: Girişimciler önce gelir.

Bugün TDK Ventures, AI ve bilişim, enerji, endüstriyel ve robotik, mobilite ve gelişmiş malzeme alanlarında küresel erken aşama girişimlerini destekleyen dört fon üzerinden 500 milyon doları yönetiyor.