Panasonic Holdings, Fiziksel Yapay Zekâ için Referans Modelleri Geliştirecek KMC’yi Duyurdu

11 Kasım 2026’da Panasonic Holdings, sanayi, kamu ve akademi iş birliğiyle Japonya’da yapay zekâ ve robotik referans modelleri geliştirmek ve bunları iş yerlerinde kullanıma sunmak üzere KMC proje adlı Manufacturing Commons girişimini duyurdu.

KMC, yapay zekâyı üretim uzmanlığıyla birleştirerek fiziksel iş yerlerine uygulayan, sahadan beslenen Fiziksel Yapay Zekâ çalışmalarını hızlandırmaya yönelik daha kapsamlı bir çabanın parçası. Yapay zekâ kullanımı dijital ortamların ötesine yayılırken şirket, araştırma, tasarım ve üretim süreçlerini iyileştirmeyi hedefliyor.

Önerilen öğrenme döngüsü, yapay zekânın çalışanların deneyimlerinden, becerilerinden ve yargılarından öğrenmesiyle başlıyor. Çalışanlar ortaya çıkan analiz ve önerileri kullanıyor; bu çalışmalar sırasında üretilen yeni bilgi ve veriler ise yapay zekânın daha fazla öğrenmesi için sisteme geri aktarılıyor. Panasonic’in amacı, araştırma, tasarım ve üretim ortamlarında insanlar, iş yerleri ve yapay zekâ arasında sürekli ve çift yönlü öğrenme sağlamak.

KMC kapsamında kuruluşlar, şirketler ve kuruluşlar arasındaki sınırları aşarak üretim teknolojilerini, bilgiyi ve insan ilişkilerini paylaşacak. Panasonic’in açıkladığı hedef, Japonya’nın üretim kapasitesini küresel ölçekte rekabet edebilecek bir üretim modelinde bir araya getirmek.

Duyuruda ayrıca Teknoloji Birimi’nin 2040 teknoloji vizyonuna da yer veriliyor; bu vizyon, teknoloji geliştirmeyi iş ortaklarıyla ortak yaratım yaklaşımıyla bir araya getiriyor. Araştırma alanları genelinde ortak teknolojiler olarak yapay zekâ ve dijital analizleri fiziksel operasyonlarla buluşturan siber-fiziksel sistemler öne çıkarılıyor. Bu alanlar arasında robotik, algılama ve model tabanlı yaklaşımlar da bulunuyor.

Üretim Verileri ve Süreç Uygulamaları

Strateji; malzemeler, cihazlar, algılama, kontrol ve üretim süreçlerinde bir asrı aşan üretim deneyiminden yararlanıyor. Ayrıca becerikli çalışanların tekniklerinden ve fiziksel olguları kullanılabilir verilere dönüştürme yöntemlerinden faydalanıyor; böylece yapay zekâ çalışmaları hem fabrikalardaki operasyonlara hem de yazılıma dayanıyor.

Duyuruda adı geçen üretim alanlarından biri cam tipi perovskit güneş hücreleri. Panasonic’in malzeme teknolojisi ile ekran üretiminden gelen mürekkep püskürtmeli kaplama, lazer işleme ve sızdırmazlık teknikleri, pencere ve duvarlarda kullanılabilecek elektrik üreten camların üretilmesini sağlıyor. Şirket, malzeme geliştirme ve süreç koşullarını iyileştirmek için bilişim teknolojilerinden ve yapay zekâdan yararlanmayı planlıyor. Ticari faaliyetler, Eylül 2026’da seri üretim öncesi birimlerin satışıyla başladı; tam ölçekli seri üretimin ise Nisan 2029’da Shiga Eyaleti’ndeki Nagahama seri üretim teknolojisi geliştirme tesisinde başlaması hedefleniyor.

Yarı iletken çalışmaları, üç boyutlu yonga istifleme ve yeni nesil üretimdeki diğer kullanım alanları için gelişmiş arka uç ekipmanlarına odaklanıyor. Bu çalışmalar plazmayla yüzey modifikasyonu, hassas birleştirme, baskı, denetim ve taşıma teknolojilerini bir araya getiriyor. Yeni başlatılan Yapay Zekâ Yarı İletken Paketleme Projesi, araştırma ve iş geliştirme çalışmalarını birleştiriyor. Projede süreç verilerinin ve denetim görüntülerinin yapay zekâyla analiz edilmesiyle kalite tahmini, süreç koşullarının araştırılması ve ekipman özelliklerinin belirlenmesi amaçlanıyor.

T-Rex, Robotik Çalışmalarına Bir Örnek Sunuyor

Ayrı bir 5 Kasım 2026 tarihli Panasonic araştırma duyurusu, stratejinin arkasındaki robotik çalışmaların nasıl olduğunu gösteriyor. Panasonic Holdings ve Panasonic R&D Company of America, UC Berkeley, NVIDIA, Stanford Üniversitesi, Roma Sapienza Üniversitesi ve ItalAI araştırmacılarıyla birlikte T-Rex’i geliştirdi. Sistem, parmak uçlarından gelen dokunsal bilgileri, görüntüleri ve doğal dildeki talimatları robot eylemlerine dönüştüren bir görsel-dil-eylem modeline entegre ediyor. Böylece temas koşulları değiştikçe hareketler düzeltilebiliyor.

T-Rex, geniş kapsamlı eylemlerini yaklaşık 5 Hz’de, yani saniyede beş güncelleme hızında çalışan bir görsel-dil modülüyle oluştururken dokunsal modül hareketi yaklaşık 20 Hz’de düzeltiyor. Bu sayede her düzeltmede daha yavaş görüntü tanıma işlemini tekrarlamadan kaymaya veya gereğinden fazla itmeye karşılık verebiliyor. T-Rex makalesinde, dokunsal açıdan zengin 100 saatlik bir veri kümesi ve farklı işlem hızlarına uyum sağlayan değişken hızlı Mixture-of-Transformers mimarisi belgeleniyor.

Panasonic, gerçek dünyadaki 12 temas görevinde ortalama başarı oranının %65 olduğunu bildiriyor. Bu oran, en güçlü karşılaştırma yöntemindeki %35’lik ve dokunsal bilgi kullanılmadığındaki %42’lik başarı oranlarının üzerinde. Değerlendirmede sayfa çevirme, yumurta taşıma, diş macunu sürme, kilit açma, kart çıkarma ve ampul vidalama görevleri yer aldı; bu görevler hassas kuvvet kontrolü ve şekil değiştirebilen nesnelerle çalışma gerektiriyordu.

Panasonic, üretimde bileşen takma, çıkarma ve sıkma; lojistikte ise esnek veya kırılgan nesneleri taşıma gibi gelecekteki kullanım alanlarını hedefliyor. Amaç, çalışanların üzerindeki yükü azaltmak ve iş gücü açığını hafifletmek. KMC’nin temel sınaması, paylaşılan üretim bilgisinin T-Rex gibi araştırma sonuçlarını üretim ve lojistik iş yerlerinde yeniden kullanılabilir referans modellere dönüştürmeye yardımcı olup olamayacağı.