AnswersPublished15 sources
Yu Kaicheng, veri ölçekleme yaklaşımından neden kavramsal dünya modeline yöneldi?
Yu Kaicheng, AutoML ve otonom sürüş algılama alanındaki çalışmalarının ardından, fiziksel zekâ için her pikseli yeniden üretmenin gereksiz derecede pahalı bir ara hedef olabileceği sonucuna vardı. Awomo’nun alternatif yaklaşımı, sahneleri nesneler, durumlar, ilişkiler, eylemler ve nedensel değişimler gibi birleştiri...
YayımlayanGPT-5.6 Luna ile düzenlendiGörseller GPT Image 1.5 ile oluşturuldu
Research answer
Key takeaways
- Yu Kaicheng, AutoML ve otonom sürüş algılama alanındaki çalışmalarının ardından, fiziksel zekâ için her pikseli yeniden üretmenin gereksiz derecede pahalı bir ara hedef olabileceği sonucuna vardı.
- Awomo’nun alternatif yaklaşımı, sahneleri nesneler, durumlar, ilişkiler, eylemler ve nedensel değişimler gibi birleştirilebilir fiziksel kavramlarla temsil eden örtük bir dünya modeli kurmayı amaçlıyor.
- Ekip, 2025’teki kurum içi deneylerde kavramlara ayırma ve ilişkilendirme mekanizmalarının karmaşık görevlerde başarıyı artırdığını ve tahmin maliyetini düşürdüğünü bildirdi; ancak kamuya açık kanıtlar hâlâ sınırlı.
- Hangzhou merkezli Awomo, Ocak 2026’da kuruldu ve tohum ile melek yatırım turlarında toplam 100 milyon RMB’nin üzerinde finansman açıkladı.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Westlake University researcher and Awomo founder Yu Kaicheng evolve from an Alibaba DAMO Academy AutoML PhD and Alibaba Star—whose B. Article summary: Yu’s shift was not a rejection of perception or large scale data; it was a conclusion that pixel level generation is an inefficient intermediate target for control once a system can already synthesize plausible observati. Topic tags: general web, chatgpt, agents, ai, workflow. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts w
Yu Kaicheng’in yön değişimi, algılamayı ya da büyük ölçekli veriyi reddetmesinden kaynaklanmıyor. Onun vardığı sonuç daha farklı: Bir sistem zaten gerçeğe benzer gözlemler üretebiliyorsa, kontrol için piksel düzeyinde üretimi sürdürmek verimsiz bir ara hedef hâline gelebilir. Yu’nun alternatifi, tahmin edilen durumu fiziksel kavramlardan oluşan yapılandırılmış bir envanter olarak kurmak. Böylece bir yapay zekâ, videoyu durmadan yeniden çizmek yerine nesneleri, durumları, ilişkileri, eylemleri ve nedensel değişimleri örtük uzayda yeniden birleştirip planlayabilir. 1
10
Kariyer çizgisi ve kırılma noktası
- Yu Kaicheng (于开丞) doktorası sırasında otomatik makine öğrenmesi, yani AutoML, üzerine çalıştı. Daha sonra Alibaba’nın üst düzey yetenek programı “Alibaba Star” aracılığıyla DAMO Academy’ye katılarak otonom sürüşte görsel algılama alanına yöneldi. BEVFusion çalışması, kamera ve LiDAR verilerini ortak bir kuşbakışı görünüm (BEV) fiziksel temsilinde birleştirdi; sonraki profiller bu çalışmayı çok sensörlü füzyon alanında geniş ölçüde atıf alan bir katkı olarak tanımlıyor.
10
- Yu, 2023’te Westlake Üniversitesi’ne katıldı ve AutoLab’i, yani Otonom Zekâ Laboratuvarı’nı kurdu. Ekip başlangıçta üretici otonom sürüş dünya modelleri üzerinde çalıştı. Contemporary profile göre takım 2024’te ECCV’nin otonom sürüş kategorisinde birincilik elde etti; 2026’da ise Fail2Drive sıralamasında zirveye çıktı.
- Yu’nun aktardığı pratik ders şuydu: Video üretimi görsel gerçekçiliği mümkün kılabilir, ancak tahmin ve karar verme için her pikseli yeniden üretmek doğru hesaplama nesnesi olmayabilir. Asıl soru “Bir eylem gerçekleştirirsem ne değişir?” ise, görüntünün tüm ayrıntılarını yeniden kurmak; göreve ilişkin durum ve nedenselliğe ulaşmadan önce pahalı bir dolambaçlı yol anlamına gelir.
1
“Kavramsal dünya modeli” nedir?
- Ekip, 2024’ün sonlarında piksel üretiminden uçtan uca öğrenilen matematiksel bir örtük uzaya geçtiğini bildirdi. Amaç, bir sahneyi sınırlı sayıdaki yeniden kullanılabilir fiziksel kavram ve ilişkiye ayırmak; ardından bu unsurları, eğitim verisinde birlikte hiç görülmemiş kombinasyonlar da dâhil olmak üzere, tahmin edilen bir sonraki durumu oluşturacak şekilde yeniden birleştirmek.
- Buradaki “örtük” ifadesi “yapısız” anlamına gelmiyor. Awomo’nun iddiasına göre modelin örtük durumu yalnızca sıkıştırılmış bir görüntü gömmesi olmamalı; varlıkları, mekânsal ilişkileri, nesne durumlarını, eylemleri ve nedensel geçişleri temsil etmeli.
11
- Beklenen kazanım, bileşimsel genelleme. Bir yapay zekâ ilgili kavramları ayrı ayrı öğrenmişse, her olası senaryonun tamamına ilişkin örnekleri görmeden yeni bir kavram birleşimi hakkında akıl yürütebilir. Yu’nun görüşüne göre fiziksel zekâda yalnızca daha fazla VLA verisi veya gösterim eklemek, belirli bir noktadan sonra azalan getirilerle karşılaşabilir.
JEPA ile ilişkisi ve öne sürülen fark
- Bu yaklaşım, Yann LeCun’un JEPA’sı gibi, pikselleri yeniden oluşturmak yerine bir temsili tahmin eden geniş örtük tahmin ailesi içinde yer alıyor.
- Awomo’nun öne sürdüğü fark semantik ve mimari düzeyde. Yu’ya göre JEPA, örtük değişkenlerin ne içermesi gerektiği sorusunu açık bırakıyor; kavramsal dünya modeli önerisi ise açıkça birleştirilebilir fiziksel kavramlar sözlüğü oluşturmayı hedefliyor. Bununla birlikte bu, henüz bağımsız olarak kanıtlanmış bir üstünlük değil, bir araştırma hipotezi.
Kanıtlar ne gösteriyor, neyi göstermiyor?
- Awomo, 2025’te gerçekleştirdiği kurum içi deneylerde kavramlara ayırma ve kavramlar arası ilişkilendirme mekanizmalarının, taklit öğrenmesi ve pekiştirmeli öğrenme taban çizgilerine kıyasla karmaşık görevlerde başarıyı artırdığını ve tahmin maliyetini düşürdüğünü bildirdi.
- Ancak burada bulunan kamuya açık haber ve raporlarda deney protokolünün tamamı, model boyutları, görev dağılımı, sayısal başarı oranları, güven aralıkları, ablasyon çalışmaları, kod veya bağımsız tekrar sonuçları yer almıyor. Bu nedenle öne sürülen avantajın büyüklüğü kamuya açık kanıtlarla yeterince desteklenmiş değil.
- Düşen bir bardağı yakalarken aynı anda kapıyı kapatma örneği, yaklaşımın hedeflediği faydayı anlatıyor: Model, bir gösterim veri kümesinde görülen kalıplardan seçim yapmak yerine, eşzamanlı birden fazla durum geçişini ve bunların nedensel kısıtlarını birlikte temsil etmeli. Bu örnek, doğrulanmış bir kıyaslama sonucu olarak değil, Yu’nun motivasyonunu açıklayan bir iddia olarak okunmalı.
Şirket, ekip ve finansman
- Araştırma, Westlake Digital Intelligence Technology (Hangzhou) Co., Ltd. adıyla ticarileştirildi ve Awomo markasını aldı. Şirket, 8 Ocak 2026’da Hangzhou’nun Xihu ilçesinde kaydedildi. Awomo; otonom sürüş, robotik, endüstriyel ekipman, akıllı donanım ve simülasyon verisi üretimi alanlarında fiziksel yapay zekâ altyapısı geliştirmeyi hedeflediğini belirtiyor.
- Haberlerde başlangıç çekirdeğinin Yu ile baş bilim insanı Tong’dan oluştuğu, ekibin Westlake AutoLab’den büyüdüğü aktarılıyor. Çalışma arkadaşlarının “kendini sürekli kanıtlamış küçük dehalar” olarak nitelenmesi ise bağımsız biçimde doğrulanabilir bir personel ölçütü değil, tanıtım dili.
- Awomo; InnoFund, Dongfang Jiafu Fund, Zhengxuan Investment, Tianqi Capital, Westlake Innovation Fund ve Jinma Investment’ın adını vererek tohum ve melek yatırım turlarındaki toplam finansmanın 100 milyon RMB’yi aştığını açıkladı.
13
İlk kamuya açık gösterim
- Ağustos 2026’da yayımlanan haberlerde Awomo-v0.1, kavramsal dünya modeli çalışmasının ilk kamuya açık sürümü olarak sunuldu ve modelin sağlam çift kollu robot manipülasyonu için simülasyon tabanlı bir kıyaslama ve veri üretim çerçevesi olan RoboTwin 2.0 üzerinde değerlendirildiği aktarıldı.
3
- Bu gösterim, yaklaşım için erken bir kamuya açık değerlendirme zemini sağlıyor; ancak tek başına gerçek robotlara genelleme, güvenlik veya önde gelen alternatiflere üstünlük kanıtlamıyor. Güçlü bir doğrulama için açıklanmış kıyaslama puanları, standartlaştırılmış taban çizgileri ve gerçek dünyaya aktarım sonuçları gerekiyor.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Yu Kaicheng, veri ölçekleme yaklaşımından neden kavramsal dünya modeline yöneldi?"?
Yu Kaicheng, AutoML ve otonom sürüş algılama alanındaki çalışmalarının ardından, fiziksel zekâ için her pikseli yeniden üretmenin gereksiz derecede pahalı bir ara hedef olabileceği sonucuna vardı.
What are the key points to validate first?
Yu Kaicheng, AutoML ve otonom sürüş algılama alanındaki çalışmalarının ardından, fiziksel zekâ için her pikseli yeniden üretmenin gereksiz derecede pahalı bir ara hedef olabileceği sonucuna vardı. Awomo’nun alternatif yaklaşımı, sahneleri nesneler, durumlar, ilişkiler, eylemler ve nedensel değişimler gibi birleştirilebilir fiziksel kavramlarla temsil eden örtük bir dünya modeli kurmayı amaçlıyor.
What should I do next in practice?
Ekip, 2025’teki kurum içi deneylerde kavramlara ayırma ve ilişkilendirme mekanizmalarının karmaşık görevlerde başarıyı artırdığını ve tahmin maliyetini düşürdüğünü bildirdi; ancak kamuya açık kanıtlar hâlâ sınırlı.