Hareketin Ötesinde: Temasın Robotiklerin Sonraki Dönemini Nasıl Tanımlayabileceği

Bu makale AGILINK tarafından sunulmaktadır. 2026 IEEE Uluslararası Robotik Konferansı (ICRA) sergi salonunda, Viyana'da, bir gösterim orantısız bir dikkat çekti. İki robotik el, bir balon köpeği yapıyordu. Robot, uzun bir balonu döndürerek halkalar, bükümler ve eklemler oluşturdu, patlatmadan. Ziyaretçiler durup izledi ve genellikle tekrar izlemek için meslektaşlarıyla geri döndü. AGILINK’in balon köpeği gösterimi, ICRA 2026'da kalabalık topladı. İlk bakışta, gösterim neredeyse eğlenceli görünüyordu. Ancak robotikçiler arasında, balon bükme, alışılmadık derecede zor bir manipülasyon görevi olarak geniş çapta tanınmaktadır. Bir balon hafif, yüksek derecede şekil değiştirebilir, kaygan ve kuvvete son derece duyarlıdır. Her bir büküm, geometrisini ve iç basıncını değiştirir, görünüşte basit bir aktiviteyi sürekli değişen bir fiziksel etkileşim problemi haline getirir. İnsanlar bu değişiklikleri neredeyse sezgisel olarak yönlendirir. Bir balon hayvanı yaparken, insanlar genellikle kuvvet düzenlemesi, kayma önleme veya temas stabilitesi hakkında bilinçli olarak düşünmezler. Sadece ayarlama yaparlar. Robotlar için bu ayarlamalar oldukça zor kalır. Zorluk, yalnızca parmakları doğru pozisyonlara hareket ettirmekle ilgili değildir. Daha zor kısım, nesne kendisi değişirken istikrarlı bir etkileşimi sürdürmektir. AGILINK’in ICRA 2026 gösterimlerinden öne çıkanlar arasında görsel-taktik algılama, elde manipülasyon, balon hayvanı şekillendirme ve şirketin en son OmniHand platformu ile mümkün kılınan diğer temas zengin görevler bulunmaktadır. Bu ayrım, balon köpeğinin Viyana'da neden bu kadar dikkat çektiğini açıklamaya yardımcı olur. Bir ustalık gösterimi gibi görünen şey, birçok açıdan teması kendisi hakkında bir gösterimdi. Robotik manipülasyon ilerledikçe, giderek daha fazla araştırmacı benzer bir sonuca varıyor: robotikteki en zor problemler, yalnızca temas gerçekleştiğinde başlar. Balon bükme, robotiklerin geleneksel olarak aynı anda çözmekte zorlandığı iki zorluğu birleştirir: uzun vadeli görev icrası ve temas zengin manipülasyon. İlk zorluk hareketle ilgilidir. Bir balon köpeği, tek bir kavrama veya bükme ile oluşturulmaz. Dikkatlice sıralanmış bir manipülasyon dizisi aracılığıyla ortaya çıkar; her biri sonrasının koşullarını belirler. Erken aşamada tanıtılan küçük bir döner hata başlangıçta önemsiz görünebilir, ancak birkaç adım sonra nihai yapının oluşmasını tamamen engelleyebilir. Bu anlamda, balon bükme uzun vadeli bir görevdir. Başarı, yalnızca bireysel eylemleri doğru bir şekilde gerçekleştirmeye bağlı değildir, aynı zamanda tüm manipülasyon sürecinin gelecekteki uygulanabilirliğini korumaya da bağlıdır. Bu zorluğu ele almak için, AGILINK profesyonel balon sanatçılarından gösterimler toplamaya başladı. İnsan eylemleri, başlangıçta bir manipülasyon politikası oluşturmak için robotik ellere haritalandı. Ancak başarılı gösterimler tek başına yeterli değildi. Pratikte, en değerli öğrenmelerin bazıları, icra başarısızlığa doğru kaymaya başladığında gerçekleşti. İstikrarsızlık ortaya çıktığında, insan operatörler müdahale etti ve manipülasyonu gerçek zamanlı olarak düzeltti. Bu müdahaleler kaydedildi ve pekiştirme öğrenme döngülerine dahil edildi, böylece sistem yalnızca başarılı gösterimlerin nasıl geliştiğini değil, aynı zamanda deneyimli operatörlerin işler ters gitmeye başladığında nasıl toparlandığını da öğrenebildi. Bu süreç aracılığıyla, robot uzun vadeli görev icrası için gereken yetenekleri kademeli olarak edindi; AGILINK'in hareket zekası terimi altında gruplandırdığı bir yetenekler koleksiyonu: eylemler üretme, iki elle davranışları koordine etme ve gerçek dünya belirsizliği altında genişletilmiş manipülasyon dizilerini gerçekleştirme yeteneği. Ancak yalnızca hareket, balon bükmenin neden zor olduğunu açıklamaz. İkinci zorluk temastır. Robot, kuvveti sürekli olarak düzenlemeli, temas noktalarını ayarlamalı ve nesnenin durumundaki ince değişikliklere yanıt vermelidir. Bu kararları açık kurallar aracılığıyla kodlamak zordur. Hatta yetenekli insan operatörler bile genellikle bilinçli olarak ifade edilmiş stratejilerden ziyade deneyim yoluyla geliştirilmiş dokunsal sezgiye dayanır. Bu müdahalelerin analizi, birçok hatanın yanlış eylem dizilerinden değil, temasın kendisinin bozulmasından kaynaklandığını ortaya koydu. Bu etkileşim dinamiklerini daha iyi yakalamak için, AGILINK temas merkezli müdahale verileri topladı ve bu etkileşimleri pekiştirme öğrenme eğitimine dahil etti