Otonom araçların ve robotların çevreyi algılama ve tepki verme süresi, yapmaları istenen işleri yerine getirebilmeleri için kritik öneme sahip. Bu kapsamda Çin’deki Beihang University araştırmacıları tarafından yapılan yeni bir çalışma, hareket algılama süreçlerini mevcut optik akış yöntemlerine kıyasla dört kat daha hızlı gerçekleştirebilen yeni bir görüş sistemi ortaya koydu. Çalışma, otonom araçlardan endüstriyel robotlara, cerrahi sistemlerden insansı robotlara kadar geniş bir yelpazede makinelerin reflekslerini önemli ölçüde güçlendirme potansiyeline sahip.

Araştırmanın temelinde nöromorfik mühendislik yer alıyor. İnsan beyninin çalışma prensiplerinden ilham alan bu yaklaşım, geleneksel işlemcilerden farklı olarak bellek ve hesaplama birimlerini aynı yapıda birleştiriyor. Böylece veri aktarımı sırasında oluşan gecikmeler azaltılıyor ve enerji verimliliği artırılıyor. Nöromorfik donanımlar uzun süredir makine algısı ile insan algısı arasındaki farkı kapatmanın en umut verici yollarından biri olarak görülüyor.

Projeye liderlik eden robotik uzmanı Shuo Gao ve ekibi, beynin nispeten az bilinen ancak kritik bir bölgesi olan LGN’den (lateral genikulat çekirdek- lateral geniculate nucleus) esinlendi. Araştırmacılar bu “seçici dikkat” mekanizmasını silikon tabanlı bir mimariye uyarladı. Geleneksel robotik görüş sistemlerinde kameralar sabit kareler yakalıyor ve optik akış algoritmaları ardışık kareler arasındaki değişimleri izleyerek hareketi hesaplıyor. Bu yöntem güvenilir olsa da tek bir karenin işlenmesi yarım saniyeden fazla sürebiliyor. Örneğin bir otoyolda saate 110 km/s hızla ilerleyen bir otonom araç için bu gecikme, neredeyse 15 metre boyunca sistemin “kör” olduğu anlamına geliyor.

Simüle edilmiş sürüş senaryoları ve robot kol görevleri dahil olmak üzere gerçekleştirilen testlerde prototip sistem, işleme gecikmesini yaklaşık yüzde 75 oranında azalttı. Ayrıca karmaşık manevralar sırasında hareket takibi hassasiyetinin iki katına çıktığı rapor edildi. Bu sonuçlar, özellikle ani yön değişimleri veya yoğun trafik gibi dinamik ortamlarda sistemin belirgin bir avantaj sunduğunu gösteriyor.

Veriler etkileyici olsa da yeni mimari, nihai görüntü yorumlama aşamasında hâlâ geleneksel optik akış algoritmalarına ihtiyaç duyuyor. Ayrıca çok sayıda hareketin üst üste bindiği, görsel olarak kalabalık ortamlarda performans zorlukları yaşanabiliyor. Buna rağmen elde edilen kazanımlar, klasik donanım yapılarına kıyasla kayda değer bir ilerleme anlamına geliyor ve makinelerin algı hızının insan seviyesine yaklaşabileceğini, hatta bazı senaryolarda bunu aşabileceğini işaret ediyor.