Robota “qonaq otağındakı mavi divana get” deyəndə, o, binada hərəkət edə bilər, lakin yanlış yerdə dayana bilər. KAIST tədqiqatçıları robotun gəldiyinə qərar verməzdən əvvəl ikinci dəfə baxmasını və özünə “Bu, həqiqətən də doğru yerdirmi?” sualını verməsini təmin edən bir süni intellekt sistemi hazırlayıblar. Özünü yoxlama texnologiyası Koreya Qabaqcıl Elm və Texnologiya İnstitutu (Korea Advanced Institute of Science and Technology) və Elektronika və Telekommunikasiya Tədqiqat İnstitutu (Electronics and Telecommunications Research Institute) birgə komandasına sentyabrın 9-da İsveçin Malmö şəhərində keçirilən beynəlxalq robot naviqasiya müsabiqəsində 112 komanda arasında birinci yeri tutmağa kömək edib. KAIST laboratoriyası iyul ayında Sidneydə keçirilən ayrı bir müsabiqədə, robotlara parkinq girişini çıxışdan ayırmaq kimi yazılmamış qaydaları şərh etməkdə kömək etmək üçün nəzərdə tutulmuş başqa bir sistemlə ikinci yeri tutub. KAIST çərşənbə günü bildirib ki, bu iki sistem Elektrik Mühəndisliyi Məktəbinin professoru Myung Hyun tərəfindən idarə olunan Urban Robotics Lab tərəfindən hazırlanıb. Müsabiqələr Avropa Kompüter Görüşü Konfransı 2026 (European Conference on Computer Vision 2026) və Robotika: Elm və Sistemlər 2026 (Robotics: Science and Systems 2026) ilə birlikdə keçirilib. Hər ikisi də təcəssüm olunmuş süni intellekti , yəni robotların insan təlimatlarını anlamaq, ətrafı qavramaq və fiziki dünyada necə hərəkət edəcəyinə qərar vermək qabiliyyətini sınaqdan keçirib. ECCV 2026 -da keçirilən VLNVerse Challenge üçün Urban Robotics Lab , ETRI -nin Field Robotics Research Section ilə birləşərək URL-FRRS adı altında yarışdı. Robotlar ya sadə bir məqsəd, ya da “Dəhlizin sonunda sağa dönün və ikinci qapıdan keçin” kimi çoxmərhələli təlimatlar aldıqdan sonra təyinat yerinə çatmalı idilər. Tədqiqatçılar aşkar ediblər ki, robotlar tez-tez marşrut tapa bilmədikləri üçün deyil, yanlışlıqla gəldiklərinə qərar verdikləri üçün uğursuz olublar. Onlar doğru təyinat yerini keçə bilər və ya onu oxşar görünüşlü bir otaqla qarışdıra bilərlər. Problemi həll etmək üçün komanda CoRe-VLN -i, yəni Görmə-Dil Naviqasiyası üçün Əhatəyə əsaslanan Bərpa (Coverage-based Recovery for Vision-Language Navigation) sistemini hazırlayıb. Dayanmazdan əvvəl robot ətrafı yenidən skan edir və mətn və şəkilləri emal edə bilən süni intellektdən istifadə edərək yerin təlimatlarına uyğun olub olmadığını müəyyən edir. O, hədəf obyektin rəngi və forması kimi xüsusiyyətləri və onun həqiqətən yaxın olub olmadığını yoxlayır. Əgər yer yanlışdırsa, robot yeni bir marşrut axtarır və hərəkətə davam edir. Bu texnologiya əlavə təlimə ehtiyac olmadan mövcud naviqasiya sistemlərinə əlavə edilə bilər. URL-FRRS müsabiqənin iki tapşırığı üzrə orta hesabla 90,7 faiz uğur nisbəti qeydə alıb. İkinci yerin sahibi eyni nisbəti göstərsə də, komanda nəticələrini daha tez təqdim etdiyi üçün birinci yeri təmin edib. Üçüncü yerin sahibi 89,7 faiz qeydə alıb. Laboratoriyanın ikinci yeri RSS 2026 -nın Open-World Navigation Workshop -da keçirilən NaviTrace Challenge -də qazanılıb. Həmin müsabiqədə robot “Parkinqə daxil ol” kimi tək bir şəkil və qısa bir əmr alıb və müvafiq marşrutu müəyyən etməli idi. İnsanlar yol nişanlarını oxuyaraq və nəqliyyatın istiqamətini müşahidə edərək parkinq girişini çıxışdan instinktiv olaraq ayırırlar. Bu işarələr əmrdə qeyd olunmur, robotu məkan və sosial qaydaları özbaşına çıxarmağa məcbur edir. Tədqiqatçılar bütün tapşırıqları tək bir modelə təyin etmək əvəzinə, qərar qəbul etmə prosesini dörd süni intellekt agenti arasında bölən PRISM-Nav sistemini hazırlayıblar. Biri təyinat yerini müəyyən edir, digəri isə pilləkənlər və səkilər kimi təhlükələri aşkar edir. Üçüncüsü səkilər və piyada keçidləri kimi xüsusiyyətləri əhatə edən qaydaları şərh edir, dördüncüsü isə marşrutu seçmək üçün məlumatları birləşdirir. Tədqiqatçılar həmçinin agentlər arasında əlaqəni sadələşdiriblər. Yerləri uzun mətn və ya rəqəmsal koordinatlarla təsvir etmək əvəzinə, agentlər təyinat yerlərini və təhlükəli sahələri birbaşa şəkil üzərində qeyd edir və qeyd olunmuş şəkli paylaşırlar. Sistem əlavə təlimə ehtiyac olmadan yeni mühitlərdə işləyə bilər. Komanda 53 bal toplayaraq Nanjing Universiteti və FiveAges -dən ibarət birgə komandanın arxasında ikinci yeri tutub. Tədqiqatçılar nisbətən yüngül Gemini 3 Flash modelinin bir neçə nümunəsindən istifadə ediblər və təşkilatçılar tərəfindən etalon kimi istifadə edilən daha güclü Gemini 3.1 Pro Preview modelindən daha yaxşı performans əldə ediblər. Nəticə göstərir ki, birlikdə işləyən bir neçə kiçik model müəyyən naviqasiya tapşırıqlarında tək bir yüksək performanslı modeldən üstün ola bilər. Myung deyib: “Texnologiyamızın potensialının dünyanın hər yerindən olan tədqiqatçılarla rəqabətdə tanınmasından məmnunam. Bu nailiyyət göstərir ki, süni intellekt əlavə təlimə ehtiyac olmadan müstəqil qərarlar qəbul edə və tanış olmayan mühitlərdə naviqasiya edə bilər.” shwang9@heraldcorp.com