Yeni Robotik Yarışı İçinde: Veri, Modeller ve Üretim

İnovasyon genellikle izolasyon içinde ortaya çıkmaz. Daha sık, mühendisler, kurucular, araştırmacılar ve yatırımcıların teknolojinin nereye gittiğini anlamaya çalıştıkları sohbetler arasında doğar.

Bir yıl boyunca, dünya çapındaki düzinelerce konferansa katıldım. İş gezileri bazen aylarca sürebiliyor ve ortaklar ve müşterilerle görüşmeler Asya’dan Kuzey Amerika’ya kadar gerçekleşiyor. Ancak İsviçre’ye yaptığı son gezim özellikle ilginç çıktı – büyük ölçüde orada gerçekleşen sohbetler ve insanlarla konuştuğum için.

Zürih, robotik ve Fiziksel AI geleceğinin aktif olarak tartışildiği yerlerden biri olduğunu kanıtladı. Ve bu sohbetler ne kadar derine inerse, robotikteki gerçek yarışın veri etrafında şekillendiği o kadar açık hale geliyor.

Avrupa’nın Silikon Vadisi

Zürih geleneksel olarak finans sektörüyle bağlantılıydı, ancak son yıllarda giderek daha fazla Avrupa’nın Silikon Vadisi olarak anılmaya başladı. Bu ünvanın büyük kısmı, Avrupa’nın en saygın mühendislik üniversitelerinden biri olan ETH Zürih’e bağlı. Burada, dünya çapındaki araştırmacılar, doktora öğrencileri, girişimciler ve mühendisler bir araya geliyor. Sonuç olarak, üniversite etrafında bir teknoloji ekosistemi oluşuyor; burada araştırma, start-up’lar ve endüstriyel projeler neredeyse aynı anda evrilip gelişiyor.

Bu seyahatimin nedenlerinden biri, Introspectorın 2025 başından bu yana patlayan robotik pazarına neler sunabileceğini daha derinlemesine anlamaktı. Bu, birçok start-up’ın girmeye çalıştığı bir endüstri ve büyük teknoloji şirketlerinin teknolojik atılımlarıyla aktif olarak yeniden şekilleniyor. Buna rağmen, bu alanda hala daha çok soru var.

Zürih ayrıca bizim ortaklarımız Lightly‘e de ev sahipliği yapıyor ve onlar bana robotik, bilgisayar görme ve AI’nin kesişiminde çalışan meslektaşlarla tanışma fırsatı verdi. Yerel teknoloji ekosisteminin vurgulamak istediğim önemli bir yönü var: insanlar buradaremarkably açık ve misafirperver. Fikirlerini, hipotezlerini, çözmeye çalıştıkları zorlukları ve yürüttükleri deneyleri konuşmaktan korkmuyorlar. Sonuç olarak, pazarın gerçek bağlamını ve endüstrinin nereye gittiğini çok daha hızlı anlarsınız.

Aslında, insanlara Avrupa “Silikon Vadisi”nin Amerikalı muadillerinden nasıl farklı olduğunu sorduğumda, cevap thường onları şaşırtıyor. Zürih’te, iş ve yaşam arasındaki denge çok daha güçlü hissediliyor: sabah spor, gün boyunca sakin ama verimli bir ritimle odaklanmış çalışma ve akşamları ailecek dağlarda geçirme veya simplemente rahatlamak. San Francisco’da ise, her zaman başkalarından daha çok çalışıyormuş gibi görünmeye ihtiyaç varmış gibi hissediyorsunuz. Zürih’te tempo farklı – daha sürdürülebilir. Ancak burada teknolojik hırs hiç de düşük değil.

İyi robotlardan önce iyi veri

Bu gezinin bana öğrettiği en önemli şey, birçok insanın bugün robotikle çalışmak istediği ancak birçok ekibin hala keşif aşamasında olduğu ve yeni robotik ve Fiziksel AI dalgasında hangi rolü oynayabileceğini ve hangi katkıyı yapabileceğini anlamaya çalıştıklarıydı.

Çoğu sohbet sonunda aynı konuya geliyor: veri. Bugün endüstri, ince motor becerileri için veri eksikliği yaşıyor, yani robotların yetenekleri hala son derece sınırlı. İnsanların elleriyle yaptıkları şey – bir nesneyi almak, çevirmek, dikkatlice bir yere koymak veya küçük bir manipülasyon gerçekleştirmek – hala robotlar için en zor görevlerden biri.

İlerleme anahtarı büyük ölçekli, düzgün toplanmış veri setlerinde yatıyor. Bugün, insanlar often egosantrik veri setlerinden bahsediyor; bunlar, sistem tarafından kendisi gibi davranıyormuş gibi kaydedilen, birinci şahıs perspektifinden veri setleridir. Ancak uygulamada, “egosantrik veri seti” kavramının çok farklı anlamları olabileceği ve bir dizi teknik soruyu gündeme getirdiği ortaya çıkıyor. Kamera nereye yerleştirilmeli? Alına mı, göğüse mi, yoksa göz hizasına mı? Video kaydına hangi sensörler eşlik etmeli? Elle hareketleri kaydediyorsak, operatörlerin özel eldiven kullanması gerekiyor mu? Ve eğer öyleyse, bu eldivenlerin dokunsal sensörler, jiroskoplar veya diğer hareket izleme sistemleri içermesi gerekiyor mu?

Daha da karmaşık bir soru ortaya çıkıyor: hareketin derinliğini nasıl düzgün bir şekilde yakalayabiliriz? Sadece bir elin iki boyutlu bir düzlemdeki pozisyonunu değil, aynı zamanda üç boyutlu uzayda nasıl hareket ettiğini – ileri, geri, yukarı, aşağı – anlamak wichtig.

Çoklu.modal sistemler

Veri toplama ve robotik konuşması başladığında, başka bir konu nhanh chóng ortaya çıkıyor: ek sensörler ve çoklu.modalite, vücut hareketleri, el eylemleri ve nesne etkileşimlerini daha yüksek bir doğrulukla yakalamaya olanak tanır. Ayrıca veri toplama sırasında hataları azaltmaya yardımcı olurlar.

Bir kişi kameralı hareketlerini kaydettiğinde, materyalin bir kısmının kullanılamayacak olması her zaman bir risk taşır. Kamera biraz kayabilir, çekim açısı yanlış olabilir, operatör yanlış yöne dönebilir veya bir hareketi çok hızlı yapabilir. Sonuç olarak, kaydedilen materyalin önemli bir kısmı atılır. Basit bir örnek: gerçekten kullanılabilir bir saatlik video elde etmek için, operatörün yaklaşık iki saat ham malzeme kaydetmesi gerekir.

Ek sensörler bu sorunların bir kısmını telafi etmeye yardımcı olur. Kamera biraz kaymış olsa bile, sensör verileri elin veya vücudun uzaydaki pozisyonunu yeniden inşa etmeye olanak tanır. Sonuç olarak, iki saatlik kayıt yerine, yaklaşık bir saat yirmi dakika yeterli olur. Bu, veri seti toplama verimliliğini önemli ölçüde artırır ve bunların oluşturulma maliyetini düşürür.

Bu nedenle, birçok ekibin de robotik ve gömülü AI’nin gelişimiyle doğrudan bağlantılı olan çoklu.modal veri açıklamasına artan bir ilgi gözlemlediği şaşırtıcı değil.

Pazarda hangi tür robotlara ihtiyaç var?

Klasik endüstriyel robotlar, on yıllardır otomotiv montaj hatlarında çalışanlar, aslında çok fazla bilgisayar görme veya karmaşık AI modelleri gerektirmez. Görevleri son derece spesifiktir: yüksek hassasiyet ve tutarlılıkla sadece sol, sağ, yukarı, aşağı gibi tekrarlı hareketler gerçekleştirmek. Bu alanda insanlar uzun süredir geride bıraktılar.

Tamamen farklı bir kategori ise insan benzeri robotlardır. Bu sistemler “beyin”e ihtiyaç duyar: uzayı gezinme, çevreleyen ortamı algılama, bir durumun bağlamını anlama ve önceden programlanmış yollar yerine gerçek dünya koşullarına uyum sağlayarak manipülatörleri kontrol etme yeteneği.

Modern fabrika zeminlerinde yüksek otomasyon seviyesine rağmen, birçok görev hala insanlar tarafından gerçekleştiriliyor. Bir nesneyi hareket ettirmek, bir kutu almak, parçaları sıralamak, bir bileşeni sabitlemek veya malzemeleri organize etmek – bunlar, esneklik ve koordinasyon gerektiren küçük eylemler. Bu alan, hala otomasyona karşı en zorlu alanlardan biri ve именно burada insan benzeri sistemler rol oynayabilir.

Konuştuğum birçok ekip benzer bir iş modeli kullanıyor. Bir fabrikaya yaklaşıp belirli bir üretim durumunu çözme önerisi sunuyorlar. Örneğin, bir işçi tüm gün depo bölgeleri arasında kutular taşıyabilir. Mühendisler basit bir deney öneriyor: işçiye bir kamera ve bir dizi sensör takarak, binlerce saatlik hareketlerini kaydederek ve bu verileri bir insan benzeri robota kontrol modeli oluşturmak için kullanıyorlar. Böylece robot, tam olarak insan işçinin yaptığı görevleri gerçekleştiriyor.

Aslında, şirket bir insan benzeri platform satın alıyor, ancak geliştirme ekibi belirli bir senaryo veya üretim görevleri grubu için eğitilmiş bir model oluşturuyor. Bu, her görevi çözebilen evrensel bir zeka değil, belirli bir üretim senaryosu için eğitilmiş bir yetenek setidir. Bugün birçok mühendis için bu yaklaşım çok daha gerçekçi görünüyor. Evrensel bir robota hemen ulaşmaya çalışmak yerine, ekipler dar ancak ekonomik olarak uygulanabilir otomasyon senaryolarına odaklanıyor.

İş boyutu

Gelecek, özel modellere dayalıysa, bu gelişmelerin ekonomik açıdan oldukça uzun bir yol olduğunu anlamak önemlidir.

Her endüstri esasen kendi dünyası. Her üretim ortamı kendi süreçlerine, iş akışlarına ve istisnalarına sahip. Bir otomotiv fabrikasında çalışan bir robota, gıda üretimine veya depo lojistiğine doğrudan transfer edilemez. Her durumda, sistem yeniden eğitilmelidir.

Bu, bir sonraki mantıklı soruyu gündeme getiriyor: Bu teknolojinin ilk müşterileri kim olacak?

Bu aşamada, birincil benimseyenler büyük şirketler olacak – bütçeleri olan ve otomasyonun önemli ekonomik bir etkiye sahip olabileceği şirketler. Bugün, bir insan benzeri robotun donanım maliyeti yaklaşık 60.000 ila 90.000 dolar. Bu, sadece temel konfigürasyon. Buna ek olarak, bakım maliyetleri, piller, şarj istasyonları, altyapı ve yazılım var.

Sonuç olarak, bu sistemlerle deneysel çalışmaya capable olan şirketler, büyük organizasyonlar, otomotiv üreticileri, gıda şirketleri ve büyük endüstriyel girişimler olacak.

Elbette, daha küçük sektörlerde de erken benimseyiciler olabilir. Bazı şirketler belirli görevler için bir veya iki robota sahip olabilir. Ancak çoğu durumda, bu şirketler hala özel veri setlerini toplamak ve açıklamak için gerekli yüz binlerce avroyu yatırıma hazır değiller. Onlar için insan emeği hala daha ucuz bir seçenek.

Robotik İnovasyonun Uzun Oyunu

Sonuçta, temel bir ekonomik soru ortaya çıkıyor: bir insan mı, bir robot mu daha verimlidir? Bugün ekonomiye baktığımızda, cevap açık: insan emeği daha ucuz, yeni koşullara daha nhanh uyum sağlıyor ve karmaşık altyapı gerektirmiyor.

Peki, neden endüstri bugün hala robotiğe yatırım yapıyor? Cevap büyük ölçüde stratejik.

Çok sayıda şirket, bir tür teknolojik liderlik yarışı içinde olduğunun farkında. Yüksek maliyetlerine rağmen, gelecekte robotik ekonomisinin değişeceğine inanıyorlar. Elektroniklerin gelişmesi, bileşen maliyetlerinin düşmesi ve hesaplama verimliliğinin artmasıyla, robotik daha erişilebilir hale gelecek. Ve bu olduğunda, avantaj, önceden hazırlanan, modelleri, verileri ve gerekli teknolojik altyapıyı oluşturan şirketlere ait olacak.

Örneğin, büyük ölçekli olarak humanoid robotların üretiminde kullanımlarına izin veren yeni düzenlemeler ortaya çıkarsa ya da hükümetler endüstrilerin robotlaştırılmasını sübvanse etmeye başlarsa, pazar sadece birkaç yıl içinde dramatik bir şekilde büyüyebilir. Ve önceden hazırlanan, modelleri, araştırmaları, veri setleri ve hazır teknolojik yığını olan şirketler, en çok faydalananlar olacak.

Bu nedenle, geliştirme çalışmaları devam ediyor, çünkü birçok şirket için bu, geleceğe yatırım anlamına geliyor – teknoloji daha erişilebilir hale geldiğinde ve talep keskin bir şekilde arttığında. Ve bu yarışta, birçok teknolojik devrimde olduğu gibi, often bir faktör belirleyici oluyor: kim önce başladı. Bugün robotik, yapay zeka’nın erken evrelerine çok benziyor. O zaman da daha çok soru vardı, ancak önce veri ve altyapıyla çalışan ekipler, tüm endüstrinin yönünü belirledi.