MIT Mikrorobotları Yapay Zeka Kontrolüyle Arı Çevikliğine Ulaştı

Massachusetts Teknoloji Enstitüsü (MIT) araştırmacıları, 2025 yılında, yaygın olarak bulunan bombus arısının hızına ve akrobatik çevikliğine rakip olabilen hava mikrorobotları sergileyerek önemli bir ilerleme kaydettiklerini duyurdu. Bu gelişme, daha önce yavaş ve öngörülebilir uçuş yollarıyla sınırlı olan mikro ölçekli hava robotları alanındaki performansı temelden değiştirmektedir. Bu minyatür robotik böcek, sürekli gövde taklaları atma dahil olmak üzere son derece dinamik ve jimnastik manevraları gerçekleştirmesini sağlayan, yapay zeka tabanlı bir kontrolcü içeren, biyolojik esinlenmeli yeni bir çerçeve üzerine kuruludur.

Bu gelişmiş kontrol şemasının uygulanması, önceki gösterimlere kıyasla önemli performans iyileşmelere yol açmıştır. Spesifik olarak, robotun uçuş hızı yaklaşık %450 oranında artarken, ivmesi de yaklaşık %250 oranında bir artış göstermiştir. Bu çevikliği ölçmek için, bir ataş ağırlığından daha az gelen ve mikro kaset boyutlarında olan cihaz, harici rüzgar titreşimlerine maruz kaldığında bile istenen yörüngesini koruyarak sadece 11 saniyede 10 ardışık takla atmayı başarmıştır. Bu performans düzeyi, böceklerin ani duruşlar için kullandığı hızlı bir ivmelenme ve frenleme eylemi olan sakkadı gerçekleştirmeyi de içermektedir; bu, robotun düşük atalet kütlesine ve harici kuvvetlere karşı yüksek hassasiyetine rağmen elde edilmiştir.

Bu mikro ölçekli cihaz, yapay kaslar tarafından tahrik edilen çırpınan kanatlarla güçlendirilmiştir; bu tasarım unsuru, Profesör Kevin Chen'in MIT'deki grubu tarafından beş yıldan fazla bir süredir odak noktası olmuştur. Havacılık ve Astronotik Bölümü'nden Profesör Chen ve Profesör Jonathan P. How'un da dahil olduğu araştırma, 3 Aralık 2025'te Science Advances dergisinde resmen yayımlanmıştır. Chen, bu başarıyı, geleneksel dört pervaneli dronların şu anda erişemediği ortamlarda gezinme yönündeki gelecekteki hedef için heyecan verici bir adım olarak nitelendirmiştir.

Yapay zeka kontrolcüsü iki parçalı bir sistem kullanır: agresif manevraları fiziksel kısıtlamalara uyarak planlamak için uzman bir Model Öngörülü Kontrolcü (MPC) ve bu planları gerçek zamanlı olarak verimli bir şekilde uygulamak için taklit öğrenimi yoluyla eğitilmiş derin öğrenilmiş bir politika. Bu tür bir kontrol mimarisinin, özellikle de MPC'nin hesaplama açısından yoğunluğu göz önüne alındığında, derin öğrenme ile taklit öğrenimini birleştirmesi, hesaplama açısından kısıtlı platformlar için verimli bir alternatif sunmaktadır.

Bu artırılmış çevikliğin sonuçları, özellikle zaman açısından kritik operasyonlar için önemlidir. Bu gelişme, hava mikrorobotlarını, geleneksel dronların nüfuz edemediği çökmüş bina molozlarının altındaki arama-kurtarma görevleri gibi karmaşık, kısıtlı ortamlarda pratik konuşlandırmaya önemli ölçüde yaklaştırmaktadır. Doğal böcek davranışını taklit ederek dar alanlarda gezinme ve molozlardan kaçınma yeteneği, kurtulanları bulmak için temel bir avantaj sağlamaktadır. Araştırmacılar tarafından ana hatları çizilen gelecekteki çalışmalar, harici hareket izleme sistemlerine olan bağımlılıktan, yerleşik sensörler ve kameralar entegre edilerek tamamen otonom çalışmaya geçişi içermektedir. Bu çalışma, böcek ölçeğindeki sistemler için yüksek performanslı, hesaplama açısından verimli kontrol mimarilerinin başarılabilir olduğunu göstererek, mikro-robotik topluluğunda potansiyel bir değişim işaret etmektedir.