Meta Bilim İnsanlarından Fabrikalara Görsel Yapay Zeka Çözümü

Meta'nın Temel Yapay Zeka Araştırma (FAIR) biriminden iki araştırmacının kolları sıvadığı Perceptron şirketi, bu hafta fabrika zeminleri ve karmaşık depo ortamlarında çalışmak üzere tasarlanmış Isaac 0.5 adlı görsel yapay zeka modelini kullanıma sundu. Aralık 2024'te kurulan girişim, makinelerin fiziksel çevrelerle daha yetkin etkileşime girmesini sağlayan ileri düzey görüntü modelleri geliştirmeyi misyon edinmiş durumda. Üreticilerin "algılayabilme, akıl yürütebilme ve eyleme geçebilme" yeteneklerini sanayi alanına taşımayı hedefleyen yazılım, görürlü robotların ortamlarda navigasyon yapabilmesini ve kaydedilen videolardan derinlemesine görsel çıkarımlar elde edilmesini sağlıyor.

Fiziksel Yapay Zekada Esneklik Hedefi​

Mevcut yapay zeka ekosisteminde endüstriyel otomasyon genellikle iki uç arasında sıkışmış durumda. Şirketin belirttiği üzere günümüzdeki fiziksel yapay zeka uygulamaları ya her bir kullanım için birden fazla bulut GPU'suna ihtiyaç duyan genel amaçlı temel modeller sunuyor ya da yalnızca algılama veya kontrol işlevlerini üstlenip ikisini aynı anda yapamayan dar modellere yöneliyor. Armen Aghajanyan ve Akshat Shrivastava, kendilerinden öncekilerden farklı olarak genel kullanım amaçlı bir araç geliştirdiklerini vurguluyor. Bu yaklaşım, yazılımın belirli ve tekrarlayan tek bir görev için değil, bulunduğu ortamın veya durumun gereksinimlerine göre esnek davranacak şekilde kurgulandığını gösteriyor.
Kutu düzenleme gibi basit görünen fiziksel süreçlerin aslında çok katmanlı adımlara dayandığına dikkat çeken ekib, örneğin bir paket sınıflandırma robotunun önceliğinle etiket okuması, ardından uzaysal analiz yaparak kutuların konumunu belirlemesi ve hangi paketi alacağını karar vermesi gerektiğini anlatıyor. Seri taşıma senaryolarında ise hangi kutuların hangi sırayla seçileceğine dair planlama devreye giriyor. Endüstride benzer görevleri yapan programlar bulunsa da, Perceptron'un çözümleri bu karmaşık akışı esnek bir yapıyla yönetmeyi amaçlıyor.

Milyonlarca Saat Videodan Öğrenen Algoritma​

Isaac 0.5'in bu operasyonel becerileri kazanmasındaki en büyük veri kaynağı, devasa boyuttaki video eğitim setleri. Şirketin teknik açıklamalarına göre yeni model, algoritmaya belirli mekanları, görselleri ve senaryoları tanımlaması öğretebilmek amacıyla milyonlarca saat "genel video" ile eğitildi. Ayrıca yapay zeka sistemlerinin hareketleri öğrenmesinde kullanılan "ego video" (kişisel cihazlardan veya giyilebilir kameralardan, bir fiziksel görevi tamamlayan kişinin bakış açısıyla çekilen görüntüler) ve "UMI video" (insanların tekrarlayan eylemlerini kaydederek yapay zekaya aktarılan hareket verileri) yoğun biçimde kullanıldı.
Veri kaynaklarını dışarıya paylaşmamakla birlikte şirketin çok yönlü modlarda (görüntü, metin, video vb.) ve robotik yörüngeler boyunca uzanan petabayt ölçeğinde çok modlu veri kümelerini dahili olarak oluşturduğunu ifade eden ekip, bu geniş tabanlı eğitim sürecinin algoritmanın gerçek dünya koşullarına uyum sağlamasını kolaylaştırdığını belirtiyor.

Açık Ağırlık ve Endüstriyel Entegrasyon​

Teknik geliştirme sürecinin yanı sıra Perceptron, Isaac 0.5'i "açık ağırlıklı" bir model olarak duyurarak şeffaflık ilkesini benimsedi. Parametrelerin ve eğitim materyallerinin herkes tarafından incelenebileceği bu yöntem, akademik çevrelerin ve diğer teknoloji geliştiricilerinin modeli test etmesine, denemesine veya kendi ihtiyaçlarına göre uyarlamasına olanak tanıyor. Girişim, yazılımı çeşitli tedarikçi firmalara pazarlayarak zekâ katmanının geniş bir endüstri yelpazesine entegre edilmesini hedefliyor.
Üretim, lojistik ve depolama, güvenlik, mobilite ile medya ve eğlence sektörleri başta gelen hedef pazarlar arasında yer alıyor. Yönetici kadrosu, özellikle depo ve fabrika içi robotik operasyonlarda verimliliği artıracak bu yazılımın otomasyon dalgasının önünü açacağını düşünüyor. Aghajanyan'ın "Böyle bir şey gerçekten yok" sözleri, piyasadaki boşluğu doldurma iddiasını net biçimde ortaya koyuyor.

Yatırım Süreci ve Pazar Konumlandırması​

Yüksek teknoloji ar-ge projeleri ve endüstriyel yazılım geliştiren girişimler için finansman döngüsü kritik önem taşıyor. Pitchbook verilerine göre Perceptron, başlangıç turunda SmartGateVC'nin yanı sıra Bessemer Venture Partners, Foundation Capital ve S32 gibi önemli yatırım kuruluşlarından toplam 21 milyon dolar fon aldı. Şirketin şu anda ek bir finansman turunu kapatma sürecinde olduğu TechCrunch kaynaklı bilgilere dayanarak öğreniliyor. Bu yatırım desteği, açık ağırlıklı modelin sürekli güncellenmesi, veri havuzlarının genişletilmesi ve endüstriyel müşterilere dağıtım ağının kurulması için stratejik bir altyapı sağlıyor.

Sıkça Sorulan Sorular​

Isaac 0.5 modelinin fabrika ve depo ortamlarındaki temel işlevi nedir?​

Model, görürlü robotların karmaşık fiziksel ortamlarda navigasyon yapabilmesini, nesneleri algılamasını, gerekli kararları almasını ve kaydedilen görüntülerden görsel çıkarımlar elde edilmesini sağlar.

Yazılımın eğitim verileri nereden temin edildi?​

Algoritma, genel video kayıtları, kişi bakış açısıyla çekilen ego videoları, tekrarlayan insan hareketlerini gösteren UMI videoları ve petabayt ölçeğinde çok modlu veri setlerinden beslenerek eğitildi.

Açık ağırlıklı (open-weight) yayınlanma ne anlama geliyor?​

Modelin parametrelerinin ve eğitim materyallerinin herkese açık olması, bağımsız araştırmacıların ve geliştiricilerin sistemi inceleyebilmesine ve kendi projelerinde kullanabilmesine olanak tanır.

Perceptron'un yazılımı hangi sektörlere yönelik geliştiriliyor?​

Üretim, lojistik ve depolama, güvenlik, mobilite ile medya ve eğlence alanlarında çalışan tedarikçi firmalarla entegrasyon hedefleniyor.

Girişimin mevcut yatırım durumu nasıl ilerliyor?​

Şirket, başlangıç turunda 21 milyon dolar fon topladı ve TechCrunch'un edindiği bilgilere göre yeni bir finansman turunu kapatma aşamasında.