World Labs, Robot Eğitimini Sanal Dünyalara Taşıyan R2S2R Motorunu Tanıttı
Yapay zeka dünyasının tanınan ismi Fei-Fei Li tarafından kurulan World Labs, robotik sistemlerin eğitiminde karşılaşılan en büyük engellerden birini aşmayı hedefleyen yeni bir simülasyon motorunu tanıttı. Real-to-Sim-to-Real (R2S2R) adı verilen bu teknoloji, gerçek hayattaki robot görevlerini etkileşimli sanal dünyalara aktararak, donanım üzerindeki pahalı ve zaman alıcı test süreçlerini ortadan kaldırıyor.
Sistem; robotları, sensörleri ve çevresel koşulları dijital bir ortamda yeniden inşa ederek orijinaliyle aynı fiziksel davranışları sergileyen bir simülasyon oluşturuyor. Tek bir gerçek dünya görevinden yola çıkan motor; ışıklandırma, nesne konumları, sürtünme katsayıları ve kamera açıları gibi değişkenleri değiştirerek binlerce farklı eğitim senaryosu üretiyor. World Labs, bu yöntemin robotların farklı fiziksel koşullara uyum sağlamasını kolaylaştırdığını belirtiyor.
Simülasyon ortamında eğitilen kontrol modelleri, daha sonra herhangi bir insan müdahalesi olmadan gerçek robotlara aktarılabiliyor. Test platformu olarak Stanford çıkışlı açık kaynaklı ALOHA robot sistemini kullanan ekip, modellerin kablo düzenleme, tüp yerleştirme veya karmaşık nesneleri ayırma gibi görevleri başarıyla yerine getirdiğini gözlemledi. Şirket, bu simülasyonların belirli bir robot türüne bağlı olmadığını, dolayısıyla oluşturulan sanal dünyaların gelecekteki farklı modeller için de yeniden kullanılabileceğini vurguluyor.
Simülasyonun başarısı, gerçek dünyadaki sonuçlarla ne kadar örtüştüğüyle ölçülüyor. Yapılan denemelerde, robotun nesneleri kavrama biçimi veya başarısız olduğu kritik noktalar, sanal ortamda birebir tekrarlandı. GR00T N1.6 ve π₀.₅ gibi farklı model türleri üzerinde yapılan değerlendirmeler, simülasyondaki model sıralamalarının gerçek dünyadaki performansla büyük oranda tutarlı olduğunu gösterdi. Bu sayede geliştiriciler, zayıf modelleri henüz sanal aşamadayken eleyerek donanım kaynaklarını en verimli adaylara ayırabiliyor.
