Araştırma, demiryolu balastı gibi düzensiz ve görsel olarak karmaşık ortamlarda yerde bulunan bakım aletlerini algılayıp kavrayarak taşıyabilen bütünleşik bir robot sistemi geliştiriyor. Sistem üç temel bileşeni bir araya getiriyor: YOLOv8n tabanlı RA-YOLO nesne algılama ağı, ağır ve düzensiz biçimli aletlere uyum sağlaması için geliştirilen asimetrik Fin Ray yumuşak parmaklar ve Intel RealSense D435i derinlik kamerası ile Aubo-i5 altı eksenli robot kolunu bağlayan Simulink–ROS tabanlı kontrol mimarisi.

RA-YOLO'da CBAM dikkat mekanizması ve Mosaic veri artırma birlikte kullanıldığında standart test kümesinde mAP@0.5 değeri %93,6'ya ulaştı. Model RTX 3090 üzerinde 105 FPS çalışırken 3,4 milyon parametreye sahipti. NVIDIA Jetson AGX Orin üzerinde TensorRT ile 640 × 640 giriş çözünürlüğünde 42 FPS elde edildi ve kaynakta uçtan uca gecikmenin 25 ms'nin altında kaldığı bildirildi. Ek balast koşullarında en düşük mAP@0.5 değeri, ıslak ve farklı doku/renk özelliklerinin birlikte bulunduğu testte %90,5 oldu.

Kavrayıcı tarafında standart simetrik Fin Ray yapısının ağır aletlerdeki yanal kararsızlığını azaltmak için kaburga düzeni asimetrik hale getirildi. TPU parmakların büyük deformasyon davranışı deneysel çekme verisiyle üçüncü dereceden Yeoh hiperelastik modeline uyarlandı; modelin uyum katsayısı R²=0,9938 olarak raporlandı. Sonlu eleman ve L9 ortogonal analiz sonucunda kaburga eğimi 30°, kaburga aralığı 8 mm ve dış duvar kalınlığı 3 mm olarak seçildi.

Gerçek üretilmiş parmak üzerinde aktüasyon yer değiştirmesi 1 mm'den 6 mm'ye yükseldiğinde normal temas kuvveti 2,74 N'dan 15,47 N'a çıktı ve deneysel doğrusal parmak ucu rijitliği 2,56 N/mm olarak belirlendi. 3000 tekrarlı kıvrılma çevriminden sonra kuvvet 15,47 N'dan 15,04 N'a düşerek %2,78 azaldı. Ayrıca 2 kg yükle 500 kaldırma çevriminde görünür kayma, yük düşmesi veya gözle görülür yapısal hasar raporlanmadı. Bunlar kısa dönem dayanım göstergeleridir; uzun dönem saha yorulması çalışmada test edilmemiştir.

Dış ortam demiryolu balastı üzerindeki sistem testlerinde matkap, çekiç, pense, tornavida ve anahtar kullanıldı. İzole alet koşulunda ortalama kavrama başarısı %95,2, kısmi örtüşmeli ve üst üste aletlerin bulunduğu daha zor senaryoda %88,4, iki senaryonun genel ortalamasında ise %91,8 olarak raporlandı. Bununla birlikte kaynak her alet ve senaryo için kaç bağımsız kavrama denemesi yapıldığını belirtmediği için bu yüzdelere ilişkin örneklem büyüklüğü ve güven aralığı değerlendirilemiyor.

Türkiye açısından çalışma; demiryolu bakım sahalarında alet toplama, yardımcı bakım robotları ve düzensiz zeminlerde robotik manipülasyon araştırmaları için teknik bir örnek oluşturabilir. Ancak deneyler Türkiye'deki demiryolu altyapısında yapılmamıştır ve ağır yağmur, kar, çamur, yoğun toz, çok düşük ışık, yüksek hızlı hareket veya uzun süreli saha kullanımı doğrulanmamıştır. Yerel uygulamada balast özellikleri, ışık koşulları, kullanılacak gerçek bakım aletleri, güvenlik prosedürleri ve robot platformuyla yeniden saha doğrulaması gerekir.

Sistem hangi problemi çözmeye çalışıyor?

Demiryolu bakım alanlarında aletler düz ve kontrollü bir fabrika zemini üzerinde bulunmayabilir. Balast taşları yoğun ve düzensiz görsel doku oluşturur; metal aletler farklı yönlerde durabilir, birbirinin üzerine binebilir ve güneş ışığında güçlü yansıma oluşturabilir. Bu nedenle sistemin yalnız nesneyi tanıması değil, konumunu belirlemesi ve düzensiz geometrisini güvenilir biçimde kavraması gerekir.

Çalışmanın yaklaşımı bu problemi tek bir algoritmayla çözmek yerine üç katmana ayırıyor:

• Görsel sistem bakım aletini tanır.
• Derinlik ve el–göz kalibrasyonu hedefi robot koordinat sistemine taşır.
• Yumuşak kavrayıcı nesnenin geometrisine pasif olarak uyum sağlayarak kaldırma işlemini gerçekleştirir.

Asimetrik Fin Ray parmağın farkı nedir?

Standart Fin Ray yapısı yumuşak ve uyarlanabilir olsa da yüksek yanal yüklerde burkulmaya eğilim gösterebilir. Araştırmacılar 2 kg sınıfındaki bakım aletlerini hedeflediği için parmak geometrisini yalnız esneklik açısından değil, yük taşıma açısından da değiştirmiştir.

Önerilen yapıda üç temel geometrik unsur bulunuyor:

• Asimetrik eğimli kaburgalar: İlk temas sonrasında parmağın nesneye doğru içe kıvrılmasını teşvik ediyor.
• Kavisli dış duvar: Yanal eğilme sırasında yapısal desteği artırmayı amaçlıyor.
• Silikon temas tabakası: Düz ve metal yüzeylerde kaymaya karşı sürtünmeyi artırıyor.

Çalışmanın tasarım gereksiniminde kavrayıcının toplam ağırlığının 1 kg veya altında, hedef nesne boyutunun 10–120 mm ve maksimum yükün 2 kg veya altında olması öngörülmüştür.

TPU'nun büyük deformasyonu nasıl modellenmiş?

Parmaklar BASF Elastollan 1185A TPU ile FDM yöntemiyle üretilmiştir. Malzemenin davranışını doğrudan katalog verisinden tahmin etmek yerine aynı malzemeden üç çekme numunesi test edilmiş ve ortalama gerilme–şekil değiştirme davranışı kullanılmıştır.

Üçüncü dereceden Yeoh hiperelastik modelinin enerji yoğunluğu:

\[ W= \sum_{i=1}^{3} C_{i0}(I_1-3)^i \]

şeklinde tanımlanmıştır.

0–300% gerinim aralığındaki deney verilerinden:

\[ C_{10}=2{,}054\ \mathrm{MPa} \]

\[ C_{20}=-0{,}0753\ \mathrm{MPa} \]

\[ C_{30}=0{,}00231\ \mathrm{MPa} \]

değerleri elde edilmiştir. Uyum katsayısı R²=0,9938 olarak raporlanmıştır.

Parmak geometrisi nasıl optimize edildi?

Sonlu eleman analizinde üç temel değişken incelendi: kaburga eğim açısı \(\theta\), kaburga aralığı \(d\) ve dış duvar kalınlığı \(t\).

Daha sonra L9(3³) ortogonal tasarım uygulanmış ve stres güvenliği, adaptif deformasyon ile yanal stabilite tek bileşik puanda birleştirilmiştir:

\[ F=0{,}4f_{\sigma}+0{,}3f_{\delta}+0{,}3f_S \]

Stres güvenliğine %40, adaptif deformasyon ile yanal stabiliteye ayrı ayrı %30 ağırlık verilmiştir. Dokuz kombinasyon içinde 30°–8 mm–3 mm yapılandırması 0,90 bileşik puanla en yüksek sonucu vermiştir.

Kavrama kuvveti yalnız motor torkuna mı bağlı?

Hayır. Çalışmanın önemli mekanik ayrımlarından biri, motorun ürettiği bütün enerjinin nesne üzerindeki sıkma kuvvetine dönüşmediğini hesaba katmasıdır. Yumuşak TPU parmak büküldüğü için enerjinin bir bölümü elastik deformasyonda depolanır.

Kaynak bu nedenle parmağı pseudo-rigid-body yaklaşımıyla eşdeğer torsiyonel rijitliğe sahip esnek bir sistem olarak ele alıyor:

\[ M_{res}=K_{eq}\Delta\phi \]

ve temas kuvvetini:

\[ F_c= \frac{1}{L_{eff}} \left[ \frac{\pi\eta L_1\sin\beta} {2P\cos\alpha}M_d - K_{eq}\Delta\phi \right] \]

şeklinde ifade ediyor.

Bu denklemde motor torku ilk terimle kavrama kuvveti üretirken ikinci terim TPU deformasyonu için gereken elastik karşı momenti temsil ediyor. Kaynağın fiziksel yorumu, motor torkunun belirli bir alt sınırı aşmadan pozitif sıkma kuvveti oluşamayacağı yönündedir.

Kaymaya karşı hangi koşul kullanılıyor?

Dört parmağın oluşturduğu kaldırma kuvvetinin yerçekimi ve hareket ivmesini karşılaması gerekiyor. Teorik stabilite koşulu kaynakta:

\[ 4F_c(\sin\theta+\mu\cos\theta) \geq m(g+a_{max}) \]

olarak verilmiştir.

Fiziksel deneysel doğrulamada ise daha konservatif sürtünme ağırlıklı yaklaşım kullanılmıştır:

\[ F_{available}=4\mu F_n \]

ve gereken kuvvet:

\[ F_{required}=m(g+a_{max}) \]

olarak hesaplanmıştır. Maksimum transfer ivmesi \(1{,}0\ \mathrm{m/s^2}\) alınmıştır.

RA-YOLO'nun temel değişikliği nedir?

RA-YOLO, YOLOv8n mimarisini tamamen değiştiren büyük bir ağ değildir. Temel iyileştirme, Backbone'un C2f-P5 çıkışı ile SPPF modülü arasına Convolutional Block Attention Module (CBAM) eklenmesi ve eğitimde Mosaic veri artırmanın kullanılmasıdır.

CBAM iki ardışık dikkat basamağı uygular:

• kanal dikkat mekanizması hangi özellik kanallarının önemli olduğunu ağırlıklandırır;
• uzamsal dikkat mekanizması görüntünün hangi bölgelerine odaklanılması gerektiğini belirler.

Amaç, balast taşlarının yoğun dokusuna yanıt veren özellikleri bastırırken metal alet gövdesine ait özellikleri güçlendirmektir.

Mosaic neden kullanıldı?

Her eğitim örneğinde dört görüntü ölçeklenip kırpılarak tek kompozit görüntüye birleştirildi. Böylece aynı eğitim örneğinde farklı ölçekler, arka planlar ve kısmi örtüşmeler görülebiliyor. Çalışmanın 18. sayfasındaki Şekil 20, tek anahtar görüntüsünün çeşitli alet ve balast parçalarıyla birleştirildiği Mosaic örneğini gösteriyor.

Çalışmanın desteklediği sonuçlar

• CBAM ve Mosaic'in birlikte kullanılması araştırmanın test kümesinde YOLOv8n temel modeline göre mAP@0.5 değerini %85,4'ten %93,6'ya yükseltmiştir.
• RA-YOLO 3,4 milyon parametreyle RTX 3090 üzerinde 105 FPS ve Jetson AGX Orin üzerinde 42 FPS çalışmıştır.
• Asimetrik Fin Ray yapı kontrollü laboratuvar karşılaştırmasında simetrik Fin Ray temel çizgisinden bütün beş alet sınıfında daha yüksek kavrama başarısı sağlamıştır.
• Üretilen TPU parmaklarda temas kuvveti aktüasyon yer değiştirmesiyle yaklaşık doğrusal artmıştır.
• 3000 kıvrılma çevrimi sonunda temas kuvvetindeki azalma %2,78 olarak raporlanmıştır.
• 2 kg yükle yapılan 500 çevrimlik ön dayanım testinde görünür yük düşmesi veya kayma raporlanmamıştır.
• Dış ortam balast deneylerinde genel kavrama başarısı %91,8 olmuştur.
• Örtüşmeli alet koşulları izole aletlere göre daha düşük kavrama başarısı göstermiştir.

Çalışmanın desteklemediği veya henüz test etmediği sonuçlar

• Sistemin bütün demiryolu bakım aletlerini kavrayabildiği gösterilmemiştir; ana deney beş alet kategorisiyle yapılmıştır.
• Ağır yağmur, kar, çamur, yoğun toz ve aşırı düşük ışıkta sistem düzeyinde doğrulama yapılmamıştır.
• 3000 parmak çevrimi uzun dönem endüstriyel TPU yorulma ömrünü göstermemektedir.
• 500 adet 2 kg kavrama çevrimi sürekli saha kullanımındaki uzun dönem güvenilirliği kanıtlamamaktadır.
• El–göz konumlandırma sonucu yüksek hızlı dinamik hareket koşullarının doğrudan ölçümü değildir; kalibrasyon doğrulaması yarı-statik gerçekleştirilmiştir.
• %91,8 kavrama başarısının farklı robotlar, kameralar, ray altyapıları ve ülkelerde aynı kalacağı gösterilmemiştir.
• Başarı oranları için toplam tekrar sayısı kaynakta açıkça verilmediğinden istatistiksel güven aralıkları değerlendirilememektedir.
• Çalışma dokunsal sensörlü kapalı çevrim kavrama kuvveti kontrolünü uygulamamıştır; bu unsur gelecek çalışma olarak önerilmektedir.

Çalışmanın Yöntemi ve Bulguları

Görsel veri seti

Araştırmacılar beş bakım aleti sınıfından toplam 3640 yüksek çözünürlüklü görüntü oluşturmuştur. Görüntüler doğrudan güneş ışığı, bulutlu hava ve gölge koşullarını kapsıyor.

Ayrıca eğitim ve doğrulamada kullanılmayan ayrı bir çevresel dayanıklılık test seti oluşturulmuştur. Bu ek test; kuru balast, ıslak balast, farklı balast renk/dokusu ve ıslak + farklı balast koşullarını içeriyor.

RA-YOLO eğitimi

Ablasyon çalışması ne gösterdi?

Mosaic tek başına temel modele göre 2,4 yüzde puanı, CBAM tek başına 3,1 yüzde puanı mAP@0.5 artışı sağlamıştır. İkisinin birlikte kullanıldığı yapı temel modele göre 8,2 yüzde puanı daha yüksek mAP@0.5 vermiştir.

Farklı dikkat mekanizmaları

Bu karşılaştırmada bütün modellerde Mosaic kullanılmış ve yalnız dikkat modülü değiştirilmiştir. CBAM en yüksek iki doğruluk metriğini vermiştir.

Kaynak içindeki algoritma karşılaştırma hatası

Tablo 11'in doğrudan değerleri aşağıdaki gibidir:

Kaynağın hemen sonraki paragrafında verilen bazı fark yüzdeleri bu tabloyla uyuşmamaktadır. Bu nedenle karşılaştırma yorumunda tabloda bulunan ham mAP değerleri esas alınmalıdır.

Jetson AGX Orin üzerinde çalışabiliyor mu?

Evet, çalışma gerçek edge platformu üzerinde çıkarım testi sunuyor. RA-YOLO RTX 3090 sunucu tarafında 105 FPS ve yaklaşık 9,5 ms gecikme; Jetson AGX Orin üzerinde TensorRT ile 42 FPS ve yaklaşık 23,8 ms uçtan uca gecikme göstermiştir.

Bu sonuç modelin edge cihazında gerçek zamanlı görüntü işleyebildiğini gösteren donanım doğrulamasıdır; ancak tüm robot kontrol çevriminin 42 Hz'de çalıştığı anlamına gelmez.

Değişen balast koşullarındaki algılama

Bu ek veri seti ana test setinden ayrıdır. Dolayısıyla özellikle mAP@0.5:0.95 değerleri ana test tablosundaki değerlerle doğrudan aynı örneklem üzerinde karşılaştırılmamalıdır.

El–göz konumlandırma

Kalibrasyon için 10 × 7 dama tahtasının 15 farklı pozdaki görüntüsü kullanılmıştır. Sonraki doğrulamada çalışma alanından 50 rastgele test noktası seçilmiştir.

Kaynak, ortalama Öklid konumlandırma hatasını 1,03 mm olarak raporlamaktadır. X ve Y hata dağılımlarının standart sapmaları sırasıyla 0,32 mm ve 0,28 mm olarak verilmiştir.

Bununla birlikte Şekil 33(b)'de maksimum Öklid hata 1,92 mm görünürken Tablo 13'te tek eksendeki mutlak hatanın 2,4 mm'ye ulaştığı bir örnek bulunmaktadır. Kaynak içinde bu iki raporlama biçiminin nasıl bağdaştırılacağı açıklanmamıştır. Bu nedenle maksimum hata için tek bir uzlaştırılmış değer üretilmemiştir.

Parmak temas kuvveti

Deneysel kuvvet–yer değiştirme bağıntısı:

\[ F_m=2{,}56\delta+0{,}11 \]

olarak uydurulmuş ve parmak ucu doğrusal rijitliği:

\[ K_f=2{,}56\ \mathrm{N/mm} \]

olarak belirlenmiştir. Model tahmini ile ölçülen kuvvetler arasındaki ortalama bağıl hata %4,07 olarak bildirilmiştir.

Kısa dönem çevrim dayanımı

Bu test kısa dönem çevrim kararlılığına ilişkindir. Kaynak, uzun süreli ve yüksek frekanslı saha kullanımındaki TPU yorulmasının ayrıca incelenmesi gerektiğini açıkça belirtmektedir.

Asimetrik ve simetrik Fin Ray karşılaştırması

Kontrollü laboratuvar karşılaştırmasında asimetrik tasarım beş aletin tamamında daha yüksek başarı sağlamıştır. Ancak kaynak, bu başarı yüzdelerinin her biri için yapılan deneme sayısını belirtmemektedir.

Dış ortam balast kavrama sonuçları

Çalışmanın 33. sayfasındaki Şekil 38, robotun laboratuvar masasında değil, demiryolu hattı yanında balast ortamına yerleştirilmiş paletli mobil platform üzerindeki fiziksel kurulumunu gösteriyor. Aubo-i5 kol, D435i kamera ve asimetrik kavrayıcı aynı sistemde kullanılmıştır.

En yüksek genel başarı çekiçte %94,7, en düşük başarı anahtarda %88,7 olmuştur. Özellikle örtüşmeli senaryoda anahtar başarısı %83,6'ya düşmüştür.

Yazarlar bunu ince ve düz anahtar geometrisinin Fin Ray parmaklarla etkili çok noktadan temas kurmasını zorlaştırması ve parlak metal yüzeyin güçlü dış ışıkta derinlik ölçümünü olumsuz etkileyebilmesiyle ilişkilendirmektedir.

Görev ne kadar sürüyor?

Ortalama görev tamamlama süresi izole alet senaryosunda 4,12 saniye, örtüşmeli senaryoda ise 4,94 saniye olarak raporlanmıştır. Daha karmaşık senaryoda engelden kaçınma ve çevresel karmaşıklık nedeniyle süre artmıştır.

Başarısızlıkların nedenleri

Bu dört kategori toplam %8,2 başarısızlık oranını oluşturuyor. Kaynak, algılama kaynaklı kaçırmaların özellikle örtüşme oranı %70'i aşan yoğun istifleme durumlarında görüldüğünü bildiriyor.

En önemli sınırlılıklar

• Saha testleri temsilî dış ortam koşullarında yapılmıştır; bütün hava koşulları test edilmemiştir.
• Güçlü güneş ışığı özellikle aktif derinlik ölçümünde nokta bulutu kaybına neden olabilmektedir.
• Konumlandırma deneyinin temel sonucu yarı-statik kalibrasyon doğruluğudur.
• Dinamik titreşim, görüntü gecikmesi ve anlık derinlik dalgalanması sistem düzeyinde yalnız dolaylı olarak sınanmıştır.
• Kavrayıcıda henüz dokunsal/kuvvet sensörlü kapalı çevrim ayarlama bulunmamaktadır.
• 3000 ve 500 çevrimlik dayanım testleri uzun dönem yorulma ömrü değildir.
• Saha kavrama başarı yüzdeleri için tekrar sayıları kaynakta açıklanmamıştır.
• Beş alet sınıfından çıkarılan sonuçlar bütün demiryolu bakım ekipmanlarına genellenemez.

Kaynak ve Yöntem Notu

Özgün çalışma: An Integrated Visual Perception and Soft Robotic Grasping System for Adaptive Handling of Railway Maintenance Tools.

Yazarlar ve sıraları: Pan Fan; Meng Tian; Yuhang Du; Guodong Lang; Liang Li; Yafeng Li.

Sorumlu yazar: Yafeng Li. Kaynakta eş birinci/eş katkı beyanı bulunmamaktadır.

Kurumlar: School of Computer, Baoji University of Arts and Sciences; Shaanxi Key Laboratory of Advanced Manufacturing and Evaluation of Robot Key Components, Baoji University of Arts and Sciences; State Key Laboratory of Robotics and System, Harbin Institute of Technology.

Dergi: Machines. Yayınevi: MDPI. Cilt: 14. Makale: 636. Yayın tarihi: 1 Haziran 2026. DOI: 10.3390/machines14060636. Resmî yayın bağlantısı: https://doi.org/10.3390/machines14060636

Kaynak türü ve hakemlik durumu: Hakem değerlendirmesinden geçmiş araştırma makalesidir. Çalışma 8 Nisan 2026'da alınmış, 22 Mayıs 2026'da revize edilmiş ve 27 Mayıs 2026'da kabul edilmiştir.

Lisans: Creative Commons Attribution (CC BY) açık erişim lisansı.

Finansman: Shaanxi Provincial Department of Education Research Program tarafından 23JP004 numaralı proje kapsamında finanse edilmiştir.

Veri erişilebilirliği: Kaynak, verilerin makalenin içinde bulunduğunu belirtmektedir.

Çıkar çatışması: Yazarlar çıkar çatışması olmadığını beyan etmiştir.

Yazar katkıları: Kaynakta genel sistem tasarımı Yafeng Li; son taslak incelemesi Pan Fan; yazım Meng Tian; grafik oluşturma Yuhang Du; literatür taraması Guodong Lang; veri analizi Liang Li olarak belirtilmiştir.

Bu Verianla metnindeki sistem mimarisi, RA-YOLO performansı, TPU malzeme modeli, FEA parametreleri, kuvvet deneyleri, çevrim testleri, el–göz konumlandırma sonuçları ve kavrama performansı yalnız incelenen çalışmaya dayanmaktadır. Dış bibliyografik kontrol yalnız yayın kimliğinin doğrulanması amacıyla kullanılmıştır.

Kaynak içinde en az iki önemli raporlama uyuşmazlığı bulunmaktadır. Tablo 11'in model doğrulukları ile hemen sonraki paragrafta verilen yöntemler arası fark değerleri matematiksel olarak uyuşmamaktadır. Ayrıca Şekil 33'ün 1,92 mm maksimum Öklid hata gösterimi ile Tablo 13'te 2,4 mm'ye ulaşan tek eksen mutlak hata aynı veri kümesine aitse birlikte doğru olamaz. Bu farklılıklar sessizce düzeltilmemiş ve Verianla metninde kaynak içi belirsizlik olarak korunmuştur.

Çalışmanın saha kanıtı bulunmasına rağmen doğrulama temsilî, düşük hızlı dış ortam balast koşullarıyla sınırlıdır. Ağır yağmur, kar, çamur, yoğun toz, aşırı düşük ışık ve uzun dönem saha yıpranması test edilmemiştir. Ayrıca sistem düzeyindeki başarı oranlarının her biri için bağımsız deneme sayıları belirtilmediğinden istatistiksel güven aralıkları hesaplanamaz.

Kaynağın özetinde “visual servoing” ifadesi kullanılmıştır. Bununla birlikte yöntem bölümünde ayrıntılı olarak verilen zincir görüntü algılama, derinlik tabanlı konumlandırma, el–göz dönüşümü, ters kinematik, polinom yörünge planlama ve FSM kontrolüdür. Sürekli görüntü-hata geri beslemesine dayalı ayrı bir visual-servo kontrol yasası ayrıntılı biçimde sunulmadığı için Türkçe anlatımda kavram olduğundan geniş yorumlanmamıştır.