Otonom sistemlerin gerçek dünyadaki performansı; algının güvenilirliğine, belirsizlik altında karar vermeye ve öğrenme sürecinin doğru yapılandırılmasına bağlıdır. Bu çerçevede, araştırma konularımızı daha genel başlıklarda topluyor ve ilgili yayınları her başlık altında listeliyoruz.
Algı bozulmaları ve model belirsizlikleri altında güvenlik–performans dengesi; hata kestirimi, risk-duyarlı karar verme ve dayanıklı planlama yaklaşımları.
Figür 1: Önerilen sistem akışı: ön kamera girdisinden DroNet (kapı pozu) ve PE2Net (poz hata kestirimi); RLVC ile hız komutu üretimi ve hareket planlayıcıya entegrasyon.
Seyrek ödüllü görevlerde öğrenmeyi hızlandırmak için otomatik zorluk ayarı, görev parametreleme ve müfredat (curriculum) üretimi.
Figür 2: Bayesyen ağ güdümlü curriculum learning akışı: görevleri üret, sırala, eğit; başarıya göre zorluğu artır ve müfredatı güncelle.
Self-play ile zorluğu otomatik artırma, rakibe uyumlanma ve rekabetçi davranışların ortaya çıkması; çok ajanlı yarış senaryoları.
Figür 3: SPIRAL: önce temel kontrol, ardından self-play döngüsüyle 1v1’den 2v2 takım yarışına kademeli geçiş.

Figür 4: CRUISE ile eğitilmiş dört drone’un Sekiz (Figure‑Eight) pistindeki örnek yörüngeleri (6 kapı, kesişen döngüler)
Arş. Gör. Dr. Onur Akgün