Endüstriyel robotların yaygınlaşması, onları çeşitli, gerçek dünya görevleri için eğitmenin zorluğu nedeniyle uzun süredir engelleniyordu. Büyük dil modelleri geniş çevrimiçi veri kümelerinden faydalanırken, robotik için somut yapay zeka (embodied AI) ilgili eğitim verisi sıkıntısı çekiyor. Londra ve Sidney merkezli Reimagine Robotics, bu sorunu fabrika çalışanlarını 'robot öğretmenlere' dönüştürerek, uzman programcılara ihtiyaç duymadan iş başında öğrenmeyi mümkün kılarak çözüyor.

Daha önce DeepMind'ın uygulamalı robotik ekibine liderlik eden CEO Jonathan Scholz'un önderliğindeki Reimagine Robotics, "gördüğünü yap" (monkey see, monkey do) metodolojisini kullanıyor. Çalışanlar bir görevi robotlara gösterebiliyor, robotun denemesini izleyebiliyor ve ardından robotik kolu fiziksel olarak yönlendirerek veya düzelterek öğretebiliyor. Bu interaktif süreç, hızlı yineleme ve adaptasyon sağlayarak, bir robota yeni davranışlar öğretmek için gereken süreyi önemli ölçüde azaltıyor. Bir üretim tesisindeki uygulamada, şirket belirli bir görev için eğitim süresini bir günden sadece 10 dakikaya indirdiğini belirtiyor.

Bu yaklaşım, genellikle yüksek uzmanlık gerektiren ve zaman alıcı olan geleneksel, kod yoğun robot programlamasından bir ayrılışı temsil ediyor. Eğitim sürecini demokratikleştirerek, Reimagine Robotics, özellikle üretim ve elektronik söküm alanlarında daha geniş bir işletme yelpazesine gelişmiş otomasyonu erişilebilir kılmayı amaçlıyor. Şirket, robotları 3D yazıcıları yönetmek ve diğer üretim aşamalarını otomatikleştirmek için eğitildiği bir plastik işletmesi de dahil olmak üzere çeşitli tesislerde robotlarını zaten konuşlandırmış durumda.

Bu ayın başlarında gizlilikten çıkan ve Fly Ventures ile Firstminute Capital tarafından desteklenen Reimagine Robotics, sadece robot dağıtımını basitleştirmekle kalmıyor; insan-robot işbirliğinin operasyonel verimliliğin merkezinde olduğu yeni bir paradigma geliştiriyor. Bu model, robotların statik, önceden programlanmış makineler yerine, insan meslektaşlarıyla birlikte sürekli öğrenen ve gelişen uyarlanabilir araçlar olarak entegre edildiği bir geleceğe işaret ediyor.