NTT, robotların hatalarını önceden tahmin eden fiziksel yapay zekâyı tanıttı

Video üretimi ile fizik bir arada

NTT World Model, bir video üretim modelini şirketin geliştirdiği «fizik kontrol adaptörü» ile birleştiriyor. Sistem nesnelerin konumunu, duruşunu, hızını ve kütlesini kestiriyor, durum değişimini hareket denklemlerine göre öngörüyor ve çarpışma gibi karmaşık hareketleri yeniden üretiyor. NTT'ye göre bu, nesnelerin kaybolması ya da şekil değiştirmesi gibi doğal olmayan tahminleri azaltıyor.

Teknoloji mevcut robot kontrol yazılımlarıyla da çalışıyor. VLA (Vision-Language-Action) modelleri veya hareket planlayıcıların ürettiği birden çok eylem adayı için sonucu video olarak öngörüyor ve her eyleme başarı puanı veriyor. Robot, hareket etmeden önce adayları karşılaştırıp uygun olanı seçebiliyor.

Küçük bir robotla yapılan, biçimsiz nesneleri rafa dizme deneyinde açık kaynaklı VLA modeli π0.5, NTT World Model ile birleştirildiğinde başarı oranı %73,1'den %92,3'e çıktı. Çoklu nesne çarpışmalarını içeren açık kıyaslama OBJ3D'de ise LPIPS değeri 7,81 oldu; mevcut yöntem OCK 7,92, NVIDIA Cosmos Predict 2.5 ise 21,90 almıştı. Düşük değer, gerçek görüntüye daha yakın olduğunu gösteriyor.

NTT, ilk uygulama alanı olarak şekil ve ağırlığı farklı havalimanı bagajlarının yüklenmesi ve boşaltılmasını hedefliyor. Şirket, Mujin ile işbirliği içinde gösterimler yürütecek; lojistik, depo, üretim, inşaat ve perakende alanlarına yaygınlaştırmayı planlıyor.