Zeva, robotun ağırlıkları değiştirmeden hatalarından öğrenmesini hedefliyor

Zeva, bedensel yapay zekâ ve robotik manipülasyon için geliştirilmiş, sahada politika ağırlıklarını güncellemeden uyum sağlama yaklaşımıdır. Tsinghua AIR ve Domain Transform tarafından sunulan sistemde Cosmos3 tabanlı politika dondurulmuş kalır; robot bunun yerine kendi eylemlerinin çevrede oluşturduğu fiziksel değişimleri kaydeder ve sonraki kararlarında bu deneyimi bağlam olarak kullanır. Böylece alışıldık “veri topla, etiketle, ince ayar yap” döngüsüne başvurmadan, çıkarım sırasında uyum sağlamayı hedefler. 15

Bu ayrım önemli: Zeva kalıcı biçimde model ağırlıklarını eğitmez. Pratik anlamda öğrenir; fakat bu, parametre güncellemesiyle öğrenme değil, bellek tabanlı bağlam içi uyumdur. 16

Zeva nasıl çalışıyor?

1. Nedensel Geçiş Kodlayıcısı: Eylemden doğan sonucu ayıklamak

Sistemin merkezindeki Causal Transition Encoder (CTE / Nedensel Geçiş Kodlayıcısı), robotun görsel durumunu, gerçekleştirdiği eylemi ve ardından gözlenen durum değişimini birlikte kodlar. Amaç yalnızca “robot kolu hareket etti” bilgisini saklamak değildir; eylemin nesneyi nasıl etkilediğini ve bunun görevin hangi aşamasında gerçekleştiğini temsil etmektir. 14

CTE, bu temsili iki bileşene ayırır:

• Görev aşaması belirteci (phase token): Robotun iş akışında hangi noktada olduğunu ifade eder.
• Nedensel etkileşim sinyali: Eylemin yol açtığı fiziksel değişime odaklanır; arka plan, ışık veya tesadüfi görsel ayrıntılar gibi alakasız korelasyonları azaltmayı hedefler. 14

Örneğin robot bir beheri yanlış noktaya bırakırsa, Zeva’nın saklamak istediği şey yalnızca görüntü değildir: hangi tutuş ve hareketin beherin konumunu hedefe göre nasıl değiştirdiğidir.

2. İki farklı zaman ölçeğinde bellek

Zeva, tek bir geçmiş deposu kullanmak yerine iki bellek katmanını ayırır:

• Brief Interaction Trace (BIT / Kısa Etkileşim İzi): Mevcut denemedeki yakın geçmişi tutar. Robotun az önce yaptığı hatayı fark edip bir sonraki hamlede düzeltmesi veya o anki yerel fiziksel koşullara uyum sağlaması için tasarlanmıştır. 1
• Persistent Interaction Memory (PIM / Kalıcı Etkileşim Belleği): Aynı bölümdeki tekrar denemeleri arasında yararlı kanıtları biriktirir ve pekiştirir. Başarılı ya da başarısız etkileşimlerden çıkarılan bilgi, sonraki tekrarları etkileyebilir. 1

Bu ayrımın mantığı basit: Anlık bir denemedeki gürültülü sinyal ile tekrar eden deneyimlerden süzülen bilgiyi aynı yerde tutmak, robotun tek seferlik bir aksaklığa gereğinden fazla tepki vermesine yol açabilir.

3. Bağlam içi politika enjeksiyonu

Robot yeni bir eylem üreteceği sırada Zeva, görev aşamasına uygun geçmiş etkileşimleri BIT ve PIM’den geri çağırır. Bu kanıtlar bir nedensel isteme (causal prompt) dönüştürülerek dondurulmuş temel politikanın eylem üretim hattına enjekte edilir. Böylece politika, gradyan hesabı veya parametre güncellemesi olmadan davranışını bağlama göre değiştirebilir. 15

Bu yaklaşımın operasyonel vaadi, yeni bir nesne düzeni ya da beklenmedik fiziksel davranışla karşılaşıldığında yeni etiketleme, yeniden eğitim, model sürümü oluşturma ve kesinti gerektirmemesidir. 16

Raporlanan performans sonuçları

Yayınlanan sonuçlar, bağımsız tekrar çalışmaları değil; makale ve proje ekibinin raporladığı değerlendirmelerdir.

• Beş görevden oluşan RoboCasa365-Atomic5 simülasyon alt kümesinde Zeva, ortalama %76,8 başarı bildirdi. Aynı karşılaştırmada Fast-WAM %72,4, Cosmos3-Nano ise %64,8 düzeyindeydi. 1
• Gerçek robotla yapılan ChemLab-Evo Seviye 1 görevlerinde, tekrar eden denemeler boyunca şu artışlar raporlandı:
  • Deney tüpünü alma: %65’ten %100’e
  • Beher yerleştirme: %25’ten %70’e
  • Su dökme: %30’dan %80’e 1
• Seviye 1 sonuç tablosunda Zeva’nın bu üç görevdeki nihai skorları sırasıyla %100, %70 ve %80; ortalaması ise %83,3 olarak verildi. Cosmos3-Nano için karşılık gelen değerler %80, %70, %60; Fast-WAM için %85, %70, %75’ti. 1

Sıklıkla aktarılan yaklaşık %26’dan %73’e kümülatif başarı artışı konusunda bir not gerekiyor: Birincil materyaldeki grafik RoboCasa365 etiketi taşıyor. Bu nedenle artışı doğrudan ChemLab-Evo’ya atfetmek, mevcut birincil kanıtla desteklenmiyor. 1

Tek insan gösterimi ne sağlıyor?

Zeva’ya fiziksel olarak yönlendirilmiş tek bir insan gösterimi, aynı etkileşim belleğine bir başlangıç örneği olarak kaydedilebiliyor. Politika yine dondurulmuş kalıyor; robot daha sonra bu eylem-sonuç bağlamını kullanarak diziyi yeniden üretmeye çalışıyor. 6

Sunulan kaynaklar, tek gösterimlik bu “warm-up” mekanizmasını nitel olarak doğruluyor. Ancak özellikle beher yerleştirme ve su dökme için gösterim öncesi/sonrası sayısal bir performans farkı vermiyor. Dolayısıyla güvenle söylenebilecek nokta, tek gösterimin bu görevleri başlatmak veya iyileştirmek için kullanıldığıdır; kesin nicel bir kazanım çıkarılamaz. 6

Neden daha zayıf temel modeller daha fazla kazanabilir?

Muhtemel açıklama, iyileştirme payıdır. Daha zayıf bir önceden eğitilmiş politika, değişen bir fiziksel düzende daha sık ve daha sistematik hata yapabilir. Bu durumda geçmiş denemelerden gelen düzeltici nedensel kanıt, davranışı daha görünür biçimde iyileştirebilir. Başlangıçta zaten daha yüksek başarı oranına sahip güçlü bir modelde ise düzeltilebilecek hata miktarı daha sınırlıdır.

Yine de bu, evrensel bir yasa olarak görülmemeli. Mevcut çalışma, karşılaştırmalı görev sonuçları ve sahada iyileşme gösteriyor; “daha zayıf her politika mutlaka daha fazla fayda sağlar” şeklinde genel bir ölçekleme kuralı kanıtlamıyor. 1

Neden kimya laboratuvarı görevleri seçildi?

ChemLab-Evo, fiziksel ayrıntıların sonucu belirlediği yapılandırılmış bir ortam sunuyor: küçük kapların kavranması, hassas yerleştirme, eğme ve dökme, çok aşamalı prosedürler ve fiziksel etkiden teşhis edilebilen hatalar bunlardan bazıları. Değerlendirme, deney tüpü alma, beher yerleştirme ve sıvı dökme gibi temel hareketlerden; titrasyon, tuz çözeltisi hazırlama, teraziyle tartım ve ekstraksiyon gibi daha uzun işlemlere uzanan yedi ARX manipülatör görevini içeriyor. 1

Bu yüzden ortam, robotun yalnızca görüntü örüntülerini taklit edip etmediğini değil, eylem ile sonuç arasındaki hatırlanmış ilişkinin farklı denemelere ve ilişkili becerilere aktarılıp aktarılamadığını sınamak için elverişli bir test alanı sağlıyor.

Pratik bedeller, sınırlar ve açık sorular

• Çıkarım ve bağlam maliyeti: Bellekten geri çağırma ve nedensel istem enjeksiyonu ek hesaplama yükü getirir. Geçmiş uzadıkça bağlam kapasitesi, gecikme ve doğru kayda erişim sorunları belirleyici olabilir. Çok uzun süreli kullanımda nasıl ölçeklendiği henüz gösterilmiş değil. 1
• Bellek kalitesi ve kirlenme riski: Hatalı nedensel kodlama, yanlış görev aşaması eşleşmesi veya yanıltıcı bir başarısız deneme, zararlı bir kaydın geri çağrılmasına yol açabilir. BIT ve PIM ayrımı bu riski azaltmayı amaçlasa da güvenli bellek birleştirmesini garanti etmiyor. 1
• Fiziksel kapsam sınırlı: Gerçek dünya deneyleri büyük ölçüde sert laboratuvar nesneleri ve sıvı aktarımına odaklanıyor. Kumaş, kablo, gıda, yumuşak ambalaj gibi şekil değiştiren malzemelerde veya kuvvet/dokunma geri bildirimi gerektiren yoğun temas görevlerinde genelleme henüz kanıtlanmadı. 1
• Kontrollü saha protokolü: Değerlendirmede ortam denemeler arasında sıfırlanıyor ve PIM aynı bölüm içinde korunuyor. Bu, kamera kalibrasyonunun kaydığı, aşınmanın oluştuğu, insanların ve dağınıklığın değiştiği, sürekli çalışan bir tesisteki sınırsız kullanımın gösterimi değil. 1
• Robot ve donanım aktarımı: Gerçek dünya testi, 80 × 60 cm çalışma alanında belirli bir ARX manipülatörüyle yapıldı. Yaklaşımın farklı robot kollara, kavrayıcılara, mobil veya çift kollu sistemlere, sensör paketlerine, kontrol hızlarına ve güvenlik kısıtlarına ne kadar sorunsuz aktarıldığı belirsiz. 1
• Görev çeşitliliği: Çalışma seçilmiş mutfak ve kimya görevlerinde test edildi. Kavrama, kaldırma ve kap eğme gibi işlevsel olarak benzer etkiler arasında aktarım umut verici olsa da, ilgisiz görev sınıfları ve geniş semantik komut çeşitliliği için kanıt henüz sınırlı. 1

Özetle Zeva’nın temel fikri, robotun “bu hareketin fiziksel sonucu ne oldu?” bilgisini sahada kullanılabilir bağlama dönüştürmesi. Yeniden eğitim gerektirmeden uyum sağlama açısından dikkat çekici bir yön sunuyor; ancak uzun vadeli güvenilirlik, bellek yönetimi ve geniş donanım/fiziksel ortam çeşitliliği için daha fazla bağımsız doğrulama gerekiyor. 1