İsviçreli yapay zeka şirketi Flexion Robotics, insansı robotları karmaşık ofis görevlerini bağımsız olarak yerine getirebilecek şekilde eğitmeyi başardı. Şirketin geliştirdiği yazılım, simülasyon ortamında öğrenilen bireysel becerileri bir ana yapay zeka algoritmasıyla birleştirerek, robotlara kapı açma, merdiven çıkma ve paket taşıma gibi işleri öğretiyor.

Simülasyondan Gerçek Dünyaya Geçiş

Geleneksel yöntemlerden farklı olarak, Flexion'ın sistemi insanın gerçek zamanda kontrol etmesine (teleoperation) güvenmeyip, simülasyon tabanlı eğitim ve sınırlı insan rehberliğiyle robotları eğitiyor. Şirkete ait bir Unitree insansı robotunun gösterimi, bir parsel almak, merdivenle ve asansörle bir ofise gelip, içeriğini açarak doğru dolaba yerleştirmesi gibi karmaşık bir görevi tamamen bağımsız olarak gerçekleştirdiğini gösteriyor.

Yapay Zeka Katmanlarının Koordinasyonu

Sistemin çalışması, insan hareketleri gösteren videoları analiz ederek ne yapılması gerektiğini belirleyen bir ana yapay zeka modeline dayanıyor. Bu model, simülasyon ortamında öğrenilen beceriler sayesinde kapı açmak, asansörü kullanmak ve yürümek gibi motor kontrol görevlerini gerçekleştiriyor. Şirket kurucu ortağı ve eski Nvidia araştırma bilimci Nikita Rudin, sistemin gücünün, yazılımın her katmanında deneme-yanılma yoluyla öğrenen pekiştirmeli öğrenme (reinforcement learning) kullanmasından geldiğini belirtiyor.

Pazarda Büyük Potansiyel

Analist firması ABI Research, robot temel modelleri pazarının 2036'ya kadar 150 milyar dolar değerine ulaşabileceğini tahmin ediyor. Flexion, farklı insansı robot şekillerine uyum sağlayan bir yazılım sunduğu için, yazılımın ticari değeri daha yüksek olabilir. Bununla birlikte, şirketin donanım üreticileriyle yakın işbirliği yapması ve güçlü rekabet ortamında başarılı olması gerekecek.

Ne anlama geliyor?

Bu gelişme, insansı robotların pratik uygulamalara yaklaştığını gösteriyor. Temel sorun, robotları teleoperasyon yöntemiyle (uzaktan kontrol ederek) eğitmek; bu yöntem tanımadığı ortamlarda güvenilir olmuyordu. Simülasyon tabanlı eğitim, robotun sanal ortamda hataları deneyimlemesine ve bu deneyimlerden öğrenmesine izin veriyor. Sonrasında, ana yapay zeka modeli hangi görevlerin hangi sırayla yapılması gerektiğini kararlaştırıyor ve robot bunu gerçek dünyada uygulayabiliyor.

Ofis ortamlarında bu tür otonom robotlar, tekrarlayan ve yorucu işleri (paket taşıma, depo işleri, malzeme dağıtımı) üstlenmek için tasarlanıyor. Türkiye'de lojistik, e-ticaret ve depo yönetimi sektörleri giderek büyüyor; bu teknolojiler yakın gelecekte bu alanlarda verimliliği artırabilir ve çalışma koşullarını iyileştirebilir. Ancak yazılım ve donanım entegrasyonu gibi teknik zorluklar çözülmesi gereken temel sorunlar olarak kalıyor.