• Latest
  • Trending
NVIDIA; İnsanları Yedekleyerek, Robot Simülasyonunu Gerçekliğe Yaklaştırıyor

NVIDIA; İnsanları Yedekleyerek, Robot Simülasyonunu Gerçekliğe Yaklaştırıyor

22 Mayıs 2019
Yapay Zekaya Klinik Sorular Sormayı Öğretmek

Yapay Zekaya Klinik Sorular Sormayı Öğretmek

18 Temmuz 2022
James Webb Uzay Teleskobu uzak bir gezegende su keşfetti

James Webb Uzay Teleskobu uzak bir gezegende su keşfetti

15 Temmuz 2022
NASA’nın uzay teleskobu Jüpiter ve uydularını görüntüledi

NASA’nın uzay teleskobu Jüpiter ve uydularını görüntüledi

15 Temmuz 2022
NASA, James Webb teleskobunun gönderdiği ilk fotoğrafı paylaştı

NASA, James Webb teleskobunun gönderdiği ilk fotoğrafı paylaştı

13 Temmuz 2022
Su Prensesi

Su Prensesi

12 Temmuz 2022
Düşünce için Sessizlik: İnsan Beynindeki Özel İnternöron Ağları

Düşünce için Sessizlik: İnsan Beynindeki Özel İnternöron Ağları

24 Haziran 2022
Derideki Hisleri Mekanik Olarak Çoğaltabilen Yumuşak ve Kablosuz Bir Dokunsal Arayüz

Derideki Hisleri Mekanik Olarak Çoğaltabilen Yumuşak ve Kablosuz Bir Dokunsal Arayüz

16 Haziran 2022
Geniş Etkilere Sahip Bulgularda Çoğu ‘Sessiz’ Gen Mutasyonun, Nötr Değil Zaralı Olduğu Ortaya Çıktı

Geniş Etkilere Sahip Bulgularda Çoğu ‘Sessiz’ Gen Mutasyonun, Nötr Değil Zaralı Olduğu Ortaya Çıktı

15 Haziran 2022
Nesnelerin İnterneti’ne Güç Sağlamak İçin Enerji Hasadı

Nesnelerin İnterneti’ne Güç Sağlamak İçin Enerji Hasadı

13 Haziran 2022
Mühendisler LEGO Benzeri Yapay Zeka Çipi İnşa Ediyor

Mühendisler LEGO Benzeri Yapay Zeka Çipi İnşa Ediyor

13 Haziran 2022
Algoritmalar; içerik önermek için kullanıldığında, kullanıcının özel bilgilerini güvence altına almak için yeni protokoller geliştiriyor

Algoritmalar; içerik önermek için kullanıldığında, kullanıcının özel bilgilerini güvence altına almak için yeni protokoller geliştiriyor

15 Mayıs 2022
Uydu görüntüleri, son yirmi yılda küresel sulak alanların dramatik kaybını ortaya koyuyor

Uydu görüntüleri, son yirmi yılda küresel sulak alanların dramatik kaybını ortaya koyuyor

15 Mayıs 2022
NtboxMag
Pazar, Ağustos 14, 2022
  • Gündem
  • Bilim
    • Astronomi ve Uzay
    • Fizik/Kimya
    • Yeşil Enerji
  • Teknoloji
    • Bilgisayar
    • Elektrik-Elektronik
    • Yazılım
    • Akıllı Sistemler
    • Robotik
    • Ses ve Görüntü Sistemleri
    • Otomotiv
  • Tıp
  • İş ve Finans
  • Tarım ve Gıda
  • Eğitim
    • Çocuk ve Bilim
  • Robot ve İnsan
  • Teknoloji ve Bilişim Hukuku
  • Kültür – Sanat -Tarih
    • Kültür-Sanat
      • Kitap Tanıtımı
    • Tarih
      • Arkeoloji
      • Biyografi
  • Sosyal Medya – Eğlence
    • Eğlence
      • Esports
      • Oyun
      • VR/AR
    • Sosyal Medya
  • Özel Haber
    • Sizden Gelenler
No Result
View All Result
NTBOX Magazin
No Result
View All Result

NVIDIA; İnsanları Yedekleyerek, Robot Simülasyonunu Gerçekliğe Yaklaştırıyor

by Editör
22 Mayıs 2019
in Robot ve İnsan
0 0
0
NVIDIA; İnsanları Yedekleyerek, Robot Simülasyonunu Gerçekliğe Yaklaştırıyor

NVIDIA

Robot öğrenmeyi geliştirmenin yolu; araştırmacıların simülasyonu maksimum kullanmalarından geçer.

NVIDIA araştırmacıları; önceki yöntemlerden farklı olarak, bu adımın tamamen bağımsız bir şekilde gerçekleşmesini sağladılar. Simülasyon parametrelerinin gerçeğe uygun hale getirilmesi ve ince ayar yapmak için (bir araştırmacı gerektirmeyen) yeni bir yaklaşım kullanarak; bunları simülasyonla eğiterek faydalı işler yapmaları için robotlara öğretiyorlar.

YOU MAY ALSO LIKE

Yapay Zekaya Klinik Sorular Sormayı Öğretmek

Bu yapay zeka insan gibi mi düşünüyor?

Gerçek, standart robotlar; pahalıdır, titizdir ve onlara yararlı bir şeyler yapmalarını öğretmek çok fazla zaman ve çaba gerektirir. Robotu öğrenmeyi biraz daha eğlenceli hale getirmenin bir yolu; robotları, kendilerine öğretmek için programlamaktır, ki bunlar döngüde bir insan eğitmenine sahip olmak kadar hızlı değildir. Ancak daha verimli olabilir. Google, bu süreci paralel olarak bir çok robot çalıştırarak endüstrileştirdi, bu da olayları büyük ölçüde hızlandırdı. Ancak ne yazık ki robotlar; fiziksel silahlarla sınırlandırıldı.

Sanal ortamlarda çalışan ve sanal işlem senaryolarını test edecek kadar çok sanal robotu, işlem yapma gücüne sahip olduğunda kullanabiliriz. Daha sonra hızlı ileri düğmesine basarak gerçek zamanlıdan daha hızlı öğrenmelerini sağlarız. Hiçbir simülasyon mükemmel olmadığından, gerçekte faydalı ve güvenilir olmasını sağlamak için dikkatli bir şekilde ince ayar yapılması gerekir ve bu, insanların sürece geri dönmesi (katılması) anlamına gelir.

Şirketin Seattle’daki yeni robotik laboratuvarında çalışan bir NVIDIA araştırma ekibi; insana bağımlı olan bu son aşamayı ortadan kaldırmak için çalışmalar yaptı. Araştırmacılar; hala simülasyonla gerçeğe uyması gereken ve tamamen otonom olan bir ayarlama olduğunu söylüyorlar. Bu da simülasyon ile gerçeklik arasındaki boşluğun herhangi bir insan katılımı olmadan kapatılabileceği anlamına geliyor.

UC Berkeley’den Pieter Abbeel, bu “sim-to-real” sürecini şöyle özetliyor: 

Sim-to-real araştırmacıları; hala gerçek robot üzerinde çalışmakta ve transfer olduğunu göstermektedir. Bu yüzden çalışmada çok fazla yineleme var. Sim’de antrenman yapmak gibi değil; gerçek robot üzerinde test yapılıyor ve işlem bitiyor. Sim olarak eğitiliyor, gerçek robot üzerinde test ediliyor ve sonuçta genelleştirilemediği fark ediliyor.

Araştırmacılar; yaklaşımı yeniden gözden geçiriyor ve yeni bir sim’de eğitiyor ve bu kez gerçek robot üzerinde genelleştirileceğini öngörüyor. Üstelik, bu süreç aslında araştırmacıların umduğu, bu “genelleme davranışını” elde etmeden önce uzun bir süre devam edebilir. Bu süreçte genellemenin işe yarayıp yaramadığını görmek için sürekli olarak gerçek bir robot üzerinde testler yapıyorlar.

Deneylerinde, NVIDIA araştırmacıları; bir robotu iki görevi yerine getirmek ve eğitmek için cUDNN ile hızlandırılmış TensorFlow derin öğrenme çerçevesine sahip 64 NVIDIA Tesla V100 GPU kümesini kullandılar: Bir çubuğun bir deliğe yerleştirilmesi ve bir çekmecenin açılması gibi… Simülasyon için, ekip NVIDIA FleX fizik motorunu kullandı.

Gerçek robot testinin tamamen kaldırılıp, doğrudan simülasyondan konuşlandırmaya geçilse; şaşrıtıcı sonuçlar doğururdu. Araştırmacılar bunu yapamaz. Çünkü bunun çalışması için; hiçbir simülasyon gerçek dünyanın yeterince iyi bir temsili değildir. Bu gerçeklik farkıyla baş etmenin yolu, simülasyonu belirli şekillerde (“etki alanı randomizasyonu” olarak bilinir) sadece “karıştırmak”, gerçeğin belirsizliğiyle ve ara sıra kaosuyla başa çıkabilmeyi sağlayacak kadar esnek bir şekilde inşa etmektir.

Bu, deneyimli bir insan gerektiren simülasyon parametrelerini karıştırmak (ve ideal olarak optimize etmek) sürecidir ve ne yaptığı bilinse bile, sıkıcı ve zaman alıcı olabilir. Temel olarak, simülasyonu bir süreliğine çalıştırır; öğrenilen görev gerçek bir robot üzerinde deneylenir, tam olarak nasıl başarısız olduğunu izlenir ve daha sonra içeri girip olayları daha da yaklaştıracağı düşünülen simülasyon parametreleri değiştirilir.

NVIDIA

Sistem simülasyonda çalışıyor, gerçek bir robot üzerinde testler yapıyor, (kullanıma hazır bir 3D sensörle) testin başarısız olduğunu izliyor. Daha sonra “…bu başarısız gerçek yörünge, özel benzetilmiş yörüngeye çok benziyordu. Bu benzetilmiş senaryo gerçeğe daha yakın olmalı, hadi daha fazlasını yapalım… ” deyip, devamını getiriyor. Bunun birkaç yinelemesinden sonra, sistem; gerçek dünyada gözlemlediklerine çok daha yakın olan simülasyon parametrelerini belirleyebilir ve bu sayede başarıya ulaşabilir.

Buradaki genel amaç, algoritmanın gerçek bir robot kullanılarak, simülasyonda koşmakla gerçek dünyada koşmak arasında ayrım yapamamasını sağlamaktır. NVIDIA’nın bu amaca, döngüdeki bir insan olmadan ulaşma yaklaşımı; gerçek bir robot üzerinde yapılan testlerden ve başarısızlıktan kaynaklanan negatif verileri kullanmak, simülasyon parametrelerini incelenmiş gerçekliğe yaklaştırmak için simülasyona geri beslemekten kaynaklamaktadır.

NVIDIA araştırmacıları, başlangıçta bir parametre aralığı belirlendiğinde, sürecin geri kalanının baştan sona kadar tamamen uygulanacağını söylüyor. Robotun çılgına dönmesi ve e-stop edilmesi gerektiğinde yakınlarında bir insan müdahale ediyor, ancak aksi halde bu durum tamamen yanıyor olabilir. Araştırmacılara göre, sistemin genel performansı; bir insanın manuel olarak ayarlamasıyla elde edilecek kadar iyidir. Sadece o kadar hızlı olmayacaktır; çünkü sistem; özel bir uzman insan beynine sahip değildir, ancak sonuç yaklaşık olarak aynı olmalıdır.

Tüm bunlar; ölçeklendirmek, fiziksel olarak mümkün olabileceğinden iş açısından, daha fazla robot yetiştirmek için simülasyondan yararlanmak ve sürekli olarak insanlara döngü içinde olmaktan vazgeçmek zorunda bırakılacağı ile ilgilidir.

Tags: 3D sensör64 NVIDIA Tesla V100 GPUcUDNNetki alanı randomizasyonugenellemenegatif verilerNvidiaNVIDIA FleXPieter Abbeelrobot öğrenmesim-to-realSimülasyon parametreleri
ShareTweetShare

Son Haberler

Yapay Zekaya Klinik Sorular Sormayı Öğretmek

Yapay Zekaya Klinik Sorular Sormayı Öğretmek

18 Temmuz 2022
James Webb Uzay Teleskobu uzak bir gezegende su keşfetti

James Webb Uzay Teleskobu uzak bir gezegende su keşfetti

15 Temmuz 2022
NASA’nın uzay teleskobu Jüpiter ve uydularını görüntüledi

NASA’nın uzay teleskobu Jüpiter ve uydularını görüntüledi

15 Temmuz 2022
  • Anasayfa
  • Gizlilik Koşulları
  • Reklam

©2015- 2021

No Result
View All Result
  • Gündem
  • Bilim
    • Astronomi ve Uzay
    • Fizik/Kimya
    • Yeşil Enerji
  • Teknoloji
    • Bilgisayar
    • Elektrik-Elektronik
    • Yazılım
    • Akıllı Sistemler
    • Robotik
    • Ses ve Görüntü Sistemleri
    • Otomotiv
  • Tıp
  • İş ve Finans
  • Tarım ve Gıda
  • Eğitim
    • Çocuk ve Bilim
  • Robot ve İnsan
  • Teknoloji ve Bilişim Hukuku
  • Kültür – Sanat -Tarih
    • Kültür-Sanat
      • Kitap Tanıtımı
    • Tarih
      • Arkeoloji
      • Biyografi
  • Sosyal Medya – Eğlence
    • Eğlence
      • Esports
      • Oyun
      • VR/AR
    • Sosyal Medya
  • Özel Haber
    • Sizden Gelenler

©2015- 2021

Welcome Back!

Login to your account below

Forgotten Password?

Create New Account!

Fill the forms bellow to register

All fields are required. Log In

Retrieve your password

Please enter your username or email address to reset your password.

Log In