Microsoft Research, robotların daha dinamik ve az yapılandırılmış ortamlarda işe yarayabilmesi için tasarladığı yeni yapay zekâ modeli Rho-alpha (ρα)’yı duyurdu. Şirket, bunun Phi serisi görsel-dil modellerinden türetilen ilk robotik model olduğunu söylüyor.
Rho-alpha, “görsel-dil-eylem” yaklaşımını bir adım ileri taşıyor. Microsoft’a göre model, robotların çevreyi algılayıp akıl yürüterek eyleme geçmesini daha güvenilir ve uyarlanabilir hâle getirmeyi hedefliyor.
İnsan geri bildirimiyle sürekli gelişiyor
En dikkat çekici fark ise şu… Rho-alpha, algı tarafına dokunsal duyuyu ekliyor. Yani robot yalnızca kameradan gördüğüne göre değil, temas bilgisini de hesaba katarak hareket edebiliyor. Microsoft ayrıca ileride kuvvet gibi ek duyusal kanalları da dâhil etmek üzerinde çalıştığını belirtiyor.
Modelin bir diğer iddiası, insan geri bildirimiyle kendini geliştirebilmesi. Robot bir işi yaparken hata yaptığında operatörlerin 3D mouse gibi teleoperasyon cihazlarıyla anlık düzeltme yapması, Rho-alpha’nın bu geri bildirimi “ders” gibi kullanarak daha iyi öğrenmesine yardımcı oluyor.
Microsoft, robotik dünyasında özellikle dokunsal veri gibi alanlarda ölçeklenebilir eğitim verisinin yetersiz olduğunu kabul ediyor. Bu yüzden Rho-alpha’yı eğitirken üç ana kaynağı birleştiriyor:
Gerçek robot gösterimleri (physical demonstrations)
Simülasyon görevleri
Web ölçeğinde görsel soru-cevap (VQA) verileri
Sentetik veri üretimi için de NVIDIA Isaac Sim gibi simülasyon araçlarından yararlanılıyor. NVIDIA’dan Deepu Talla, Isaac Sim’in Azure üzerinde fiziksel olarak gerçekçi sentetik veri üretmeye yardımcı olarak Rho-alpha gibi modellerin gelişimini hızlandırdığını söylüyor.
Sırada teknik raporlar ve erken erişim var
Microsoft, Rho-alpha’nın şu anda çift kollu sistemler ve insansı robotlar üzerinde değerlendirildiğini, teknik detayları ise önümüzdeki aylarda yayımlamayı planladığını belirtiyor.