{"version":"1","article":{"id":"chronos-policy-robot-timing-2026","slug":"chronos-policy-robot-timing-2026","language":"tr","url":"https://haberpaper.com/tr/news/chronos-policy-robot-timing-2026","api_url":"https://haberpaper.com/api/v1/articles/chronos-policy-robot-timing-2026?lang=tr","title":"Robot politikasında fiziksel zamanı modele katma yaklaşımı test edildi","summary":"Stanford araştırmacılarının Chronos Policy yöntemi, robotların gözlem ve eylemlerini sabit adımlarla değil gerçek zaman damgalarıyla eşliyor. Makale, zamanlama değiştiğinde bazı görevlerde başarı oranının daha iyi korunduğunu bildiriyor.","category":"business","region":"world","topics":["ai"],"published_at":"2026-10-13T20:11:52+03:00","modified_at":"2026-10-13T20:11:52+03:00","publication_basis":"publication-record","event_period":"2026-10-09","event_period_basis":"event-or-reference-period","sources":[{"name":"arXiv, Chronos Policy: Learning Robot Policies on Physical Time (arXiv:2610.13929)","url":"https://arxiv.org/abs/2610.13929","checkedAt":"2026-10-13","publishedAt":"2026-10-09"}],"translations":[{"language":"tr","url":"https://haberpaper.com/tr/news/chronos-policy-robot-timing-2026","api_url":"https://haberpaper.com/api/v1/articles/chronos-policy-robot-timing-2026?lang=tr"},{"language":"en","url":"https://haberpaper.com/en/news/chronos-policy-robot-timing-2026","api_url":"https://haberpaper.com/api/v1/articles/chronos-policy-robot-timing-2026?lang=en"},{"language":"ar","url":"https://haberpaper.com/ar/news/chronos-policy-robot-timing-2026","api_url":"https://haberpaper.com/api/v1/articles/chronos-policy-robot-timing-2026?lang=ar"},{"language":"fr","url":"https://haberpaper.com/fr/news/chronos-policy-robot-timing-2026","api_url":"https://haberpaper.com/api/v1/articles/chronos-policy-robot-timing-2026?lang=fr"},{"language":"es","url":"https://haberpaper.com/es/news/chronos-policy-robot-timing-2026","api_url":"https://haberpaper.com/api/v1/articles/chronos-policy-robot-timing-2026?lang=es"}],"data_types":[],"data":null,"data_compilations":[],"data_downloads":[],"content":{"paragraphs":["Stanford Üniversitesi araştırmacılarının 9 Ekim’de arXiv’de yayımladığı ön baskı, robot politikasının sensör gözlemlerinin alındığı zamanı ve eylemlerin yürütülmesinin istendiği zamanı açıkça kullanmasını öneriyor. Chronos Policy adlı yaklaşım, bu zaman bilgilerini difüzyon tabanlı bir robot politikasına ekliyor. Yazarlar, zaman damgalarını modelin konum kodlamasına veren bir seçeneği, onları token özelliklerine ekleyen seçenekle karşılaştırdı; zaman farklarına dayanıklılık bakımından zaman duyarlı rotary konum kodlamasının daha güçlü olduğunu bildiriyor.","Simülasyondaki hareketli bant görevinde, makalenin nominal zamanlama koşulunda başarı Diffusion Policy için yüzde 73,1, Chronos Policy için yüzde 82 olarak raporlandı. Gözlem zamanlaması değiştiğinde oranlar sırasıyla yüzde 15,6 ve 77,6’ya; çıkarım gecikmesi 200 milisaniyeye kadar çıktığında yüzde 1,8 ve 76,4’e indi. Gerçek robot deneylerinde de Chronos, incelenen üç görevin tüm zamanlama koşullarında en yüksek puanı aldı. Bunlar makale yazarlarının belirli deney düzeneklerindeki sonuçlarıdır; farklı robotlara veya sahalara genellenmiş ticari performans kanıtı değildir. Çalışma henüz hakem değerlendirmesinden geçmemiş bir ön baskıdır."],"key_points":[],"sections":[]},"text":"Stanford araştırmacılarının Chronos Policy yöntemi, robotların gözlem ve eylemlerini sabit adımlarla değil gerçek zaman damgalarıyla eşliyor. Makale, zamanlama değiştiğinde bazı görevlerde başarı oranının daha iyi korunduğunu bildiriyor.\n\nStanford Üniversitesi araştırmacılarının 9 Ekim’de arXiv’de yayımladığı ön baskı, robot politikasının sensör gözlemlerinin alındığı zamanı ve eylemlerin yürütülmesinin istendiği zamanı açıkça kullanmasını öneriyor. Chronos Policy adlı yaklaşım, bu zaman bilgilerini difüzyon tabanlı bir robot politikasına ekliyor. Yazarlar, zaman damgalarını modelin konum kodlamasına veren bir seçeneği, onları token özelliklerine ekleyen seçenekle karşılaştırdı; zaman farklarına dayanıklılık bakımından zaman duyarlı rotary konum kodlamasının daha güçlü olduğunu bildiriyor.\n\nSimülasyondaki hareketli bant görevinde, makalenin nominal zamanlama koşulunda başarı Diffusion Policy için yüzde 73,1, Chronos Policy için yüzde 82 olarak raporlandı. Gözlem zamanlaması değiştiğinde oranlar sırasıyla yüzde 15,6 ve 77,6’ya; çıkarım gecikmesi 200 milisaniyeye kadar çıktığında yüzde 1,8 ve 76,4’e indi. Gerçek robot deneylerinde de Chronos, incelenen üç görevin tüm zamanlama koşullarında en yüksek puanı aldı. Bunlar makale yazarlarının belirli deney düzeneklerindeki sonuçlarıdır; farklı robotlara veya sahalara genellenmiş ticari performans kanıtı değildir. Çalışma henüz hakem değerlendirmesinden geçmemiş bir ön baskıdır.","corrections":[],"editorial_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"Makineler, depo ve vinçle üretimi anlatan temsili sanayi atölyesi.","language":"tr"},"section_illustration":{"kind":"symbolic-editorial-illustration","documentary":false,"scope":"section","asset_id":"business","url":"https://haberpaper.com/assets/illustrations/business-1536.webp","width":1536,"height":1024,"alt":"Makineler, depo ve vinçle üretimi anlatan temsili sanayi atölyesi.","language":"tr"}}}