Otonom İnsansı Robotlar İçin Güvenli Görev Yürütme 
(TÜBİTAK 1001, 01/09/2015 - 01/07/2018)
Robotların ortamlarına ve etkileşimde bulundukları nesnelere zarar vermemeleri için hata ve olağandışı durumları sezebilmeleri ve bu durumları kotarabilmeleri gerekmektedir. Bu projede otonom insansı robotlarda güvenli görev yürütme için hata sezme, hata tanıma ve hata kotarma yöntemleri incelenecektir. Çalışmanın en önemli motivasyonu, robotların günlük uygulama senaryolarında güvenli şekilde kullanılabilmelerine yönelik gerekli yöntemlerin geliştirilmesidir. Bu araştırma alanı, yapısı ve tasarımı bilinen ortamlarda çalışan endüstriyel robotlar için iyi incelenmiş, belirli standartları ve yönergeleri belirlenmiş bir alan olmasına rağmen, yapısı bilinmeyen/değişen ortamlarda çalışan otonom robotlar için bu konuda çok sayıda açık problem bulunmaktadır. Projede bu problemlerin çözümüne yönelik olarak robotlar için güvenli bir görev yürütme sistemi önerilmektedir.
 
Sistemde farklı sensör verilerini etkin şekilde işleyen ve yürütmeyi takip için gereken bilgileri çıkaran bir algı iş hattı geliştirilecektir. Özellikle görüntü, ses, kuvvet, dokunma sensör verileri değerlendirilerek dünya olgularına ilişkin yüklemler oluşturulacaktır. Bu yüklemler robotun dış ve iç durumlarına ilişkin hata bağlamlarını temsil edecektir. Bu amaçla sensör bilgilerini bir araya getiren olasılıksal grafiksel modellerden yararlanılacaktır. Bunun yanında, her bir sensör verisinin değişik koşullardaki etkileri incelenerek algılama için bilgi-işlemsel açıdan etkin olan uyarlanır bir aktif sensör seçim stratejisi geliştirilecektir.   
 
Projenin en önemli katkısı hedeflenen hata sezme ve tanıma yöntemlerinin geliştirilmesindedir. Metrik Zamansal Mantık kurallarına dayalı bir hata sezme yöntemi uygulanacaktır. Bu kurallarda sürekli takip edilen yüklemler ve ilişkiler yer alacaktır. Kurallarda yer alan parametrelerin pekiştirmeli öğrenme yöntemleri ile öğrenilmesi ile farklı koşullar için uyarlanmış kurallar üretilebilecektir.
 
Hata tanıma için hem gözetimli öğrenme hem de zamansal olasılıksal modeller araştırılacaktır. Hiyerarşik Saklı Markov Modellerine (HSMM) dayanan hata tanıma yöntemleri hataların uygun sebepler ile ilişkilendirilmesini sağlayacaktır. Hata modelleri farklı HSMM katmanları ile temsil edilecek ve bu modeller üretilen bir plandaki eylemler yürütülürken ortamın değişen durumuna göre sürekli olarak güncellenecektir. Proje kapsamında nesne algılama hataları, nesne konumlama hataları, nesne ile etkileşimde yürütme parametreleri hataları, donanım bozulmaları, nesne düşürme, nesneye çarpma, engele çarpma, dış olaylar/aktörler nedeniyle oluşan anormallikler (örneğin, mevcut olan bir nesnenin dış müdahale ile ortamdan taşınmış olması) durumları modellenecektir. Sistem, sonuç olarak durumları başarı, güvenli-hata veya güvensiz-hata olarak sınıflandıracaktır. Robotun hata tanısını yaptıktan sonra beklenmeyen durumu yürütme parametrelerini değiştirme veya yeniden plan üretme yoluyla kotarması sağlanacaktır. Bu şekilde çok geniş bir sensör veri kümesi değerlendirilerek yapılan bu tür bir sınıflandırma ilk defa yapılmaktadır.
 
Otonom robotlarla günlük yaşam uygulamaları için yapısı bilinmeyen/değişen ortamlarda hataların tanınması ve kotarılması, güvenli görev yürütme için çok önemli bir problemdir. Bu çalışmanın sonuçlarının otonom robot ve insan-robot etkileşimi araştırmaları açısından ev ve ofis uygulamalarında güvenlik ve güvenilirliğin sağlanması için çok önemli etkileri ve katkılarının olacağı düşünülmektedir.