AperEgo robot eğitimi için hangi verileri topluyor?

Bir kişi ekipmanı takarak belirli bir görevi yerine getiriyor. Başlık üzerindeki kameralar, kullanıcının bakış açısından panoramik birinci şahıs görüntüsü kaydediyor. Sensörler görsel, hareket ve ses verilerini eş zamanlıyor. Bilek ve parmak cihazları ise kol, el ve parmak hareketlerine ilişkin daha ayrıntılı bilgiler ekliyor.

Bu yaklaşımın amacı, algı ile fiziksel eylem arasındaki bağlantıyı kurmak. Böylece tek bir kayıt yalnızca kişinin karşısındaki ortamı değil, bir görevi tamamlamak için yaptığı hareketleri ve elleriyle nesnelere nasıl müdahale ettiğini de içerebiliyor. Bu bilgiler, özellikle hassas kavrama ve nesne manipülasyonu öğrenen robotlar açısından önem taşıyor.

AperOS kayıtları nasıl işliyor?

AperOS, AperEgo’dan gelen görsel, hareket ve ses verilerini alıyor. Platform, veriler yüklenmeden ve sonraki işlemlerden geçirilmeden önce geçersiz olduğu değerlendirilen kayıtları ayıklıyor. 51World, bu filtreleme adımının depolama ve işlem kapasitesi ihtiyacını azaltırken model geliştirmeye daha uygun bir veri seti oluşturduğunu belirtiyor.

Şirketin açıkladığı iş akışı şöyle:

1. Kayıt: AperEgo, kişi bir görevi yerine getirirken birinci şahıs bakış açısından görsel, hareket ve ses verilerini topluyor.
2. El hareketlerinin eklenmesi: Bilek ve parmak cihazları uzanma, kavrama ve nesneleri kullanma sırasında gerçekleşen hareketleri kaydediyor.
3. Senkronizasyon: Farklı sensörlerden gelen akışlar eşleştiriliyor; böylece aynı eylem farklı veri türlerinde aynı zaman aralığıyla temsil ediliyor.
4. Filtreleme: AperOS, yükleme ve sonraki işlemlerden önce şirketin geçersiz kabul ettiği kayıtları çıkarıyor.
5. Eğitime hazırlama: Geriye kalan veri seti, fiziksel yapay zekâ modelleri geliştirmek ve robotların öğrenme süreçlerini iyileştirmek için kullanılabiliyor.

51World ne kadar performans artışı vadediyor?

51World CEO’su Li Yi, entegre donanım ve yazılım sisteminin veri hassasiyetini yüzde 99’a çıkarabileceğini söylüyor. Li, daha yüksek hassasiyetin robotların daha doğru ve verimli öğrenmesine katkı sağlayacağını; veri toplama, veriden yararlanma, model eğitimi ve genelleme aşamalarının tamamında verimlilik artışı sunacağını savunuyor.

Ancak bu oran, bağımsız testlerle doğrulanmış bir performans sonucu değil, 51World’ün şirket iddiası olarak değerlendirilmelidir. Mevcut haberlerde yüzde 99’luk oran için bağımsız bir test protokolü, karşılaştırma veri seti veya dış doğrulama bulunmuyor. Daha temiz gösterim verileri eğitimi iyileştirebilir; fakat robotun nihai davranış kalitesi model, donanım, görev, çalışma ortamı ve değerlendirme yöntemine de bağlıdır.

Veri katmanı insansı robotlar için neden önemli?

İnsansı robotların değişken fiziksel ortamlarda algı ve hareketi aynı anda koordine etmesi gerekiyor. İnsanların gerçekleştirdiği yüksek kaliteli gösterimler, robotların nesnelere, alanlara ve hassas motor becerisi gerektiren görevlere daha güvenilir tepki vermeyi öğrenmesine yardımcı olabilir. Bu nedenle 51World’ün çözümü doğrudan bir insansı robot üretmeye değil, fiziksel yapay zekânın arkasındaki veri hattına odaklanıyor.

Gelişme, Çin’de insansı robotları ticarileştirme çabalarının hızlandığı bir döneme denk geliyor. TrendForce, Çin’in insansı robot pazarının 2026’da 15 milyar yuana (2,2 milyar dolar) ulaşacağını ve üretimin ölçeklenmesiyle uygulama alanlarının genişlemesi sonucunda 2027’de en az yüzde 60 büyüyeceğini tahmin ediyor. Raporda otomotiv, 3C elektroniği, havacılık, lojistik ve enerji sektörleri öne çıkıyor.

Bu pazar tahmini, AperEgo veya AperOS’un söz konusu büyümeyi sağlayacağını kanıtlamıyor. Ancak robotlar tanıtım amaçlı gösterimlerden gerçek kullanıma doğru ilerledikçe, fiziksel dünyadan tekrarlanabilir ve işe yarar örnekler üretebilen veri toplama, filtreleme ve düzenleme altyapıları daha stratejik hâle geliyor.

AperEgo robot eğitimi için hangi verileri topluyor?

Bir kişi ekipmanı takarak belirli bir görevi yerine getiriyor. Başlık üzerindeki kameralar, kullanıcının bakış açısından panoramik birinci şahıs görüntüsü kaydediyor. Sensörler görsel, hareket ve ses verilerini eş zamanlıyor. Bilek ve parmak cihazları ise kol, el ve parmak hareketlerine ilişkin daha ayrıntılı bilgiler ekliyor.

Bu yaklaşımın amacı, algı ile fiziksel eylem arasındaki bağlantıyı kurmak. Böylece tek bir kayıt yalnızca kişinin karşısındaki ortamı değil, bir görevi tamamlamak için yaptığı hareketleri ve elleriyle nesnelere nasıl müdahale ettiğini de içerebiliyor. Bu bilgiler, özellikle hassas kavrama ve nesne manipülasyonu öğrenen robotlar açısından önem taşıyor.

AperOS kayıtları nasıl işliyor?

AperOS, AperEgo’dan gelen görsel, hareket ve ses verilerini alıyor. Platform, veriler yüklenmeden ve sonraki işlemlerden geçirilmeden önce geçersiz olduğu değerlendirilen kayıtları ayıklıyor. 51World, bu filtreleme adımının depolama ve işlem kapasitesi ihtiyacını azaltırken model geliştirmeye daha uygun bir veri seti oluşturduğunu belirtiyor.

Şirketin açıkladığı iş akışı şöyle:

1. Kayıt: AperEgo, kişi bir görevi yerine getirirken birinci şahıs bakış açısından görsel, hareket ve ses verilerini topluyor.
2. El hareketlerinin eklenmesi: Bilek ve parmak cihazları uzanma, kavrama ve nesneleri kullanma sırasında gerçekleşen hareketleri kaydediyor.
3. Senkronizasyon: Farklı sensörlerden gelen akışlar eşleştiriliyor; böylece aynı eylem farklı veri türlerinde aynı zaman aralığıyla temsil ediliyor.
4. Filtreleme: AperOS, yükleme ve sonraki işlemlerden önce şirketin geçersiz kabul ettiği kayıtları çıkarıyor.
5. Eğitime hazırlama: Geriye kalan veri seti, fiziksel yapay zekâ modelleri geliştirmek ve robotların öğrenme süreçlerini iyileştirmek için kullanılabiliyor.

51World ne kadar performans artışı vadediyor?

51World CEO’su Li Yi, entegre donanım ve yazılım sisteminin veri hassasiyetini yüzde 99’a çıkarabileceğini söylüyor. Li, daha yüksek hassasiyetin robotların daha doğru ve verimli öğrenmesine katkı sağlayacağını; veri toplama, veriden yararlanma, model eğitimi ve genelleme aşamalarının tamamında verimlilik artışı sunacağını savunuyor.

Ancak bu oran, bağımsız testlerle doğrulanmış bir performans sonucu değil, 51World’ün şirket iddiası olarak değerlendirilmelidir. Mevcut haberlerde yüzde 99’luk oran için bağımsız bir test protokolü, karşılaştırma veri seti veya dış doğrulama bulunmuyor. Daha temiz gösterim verileri eğitimi iyileştirebilir; fakat robotun nihai davranış kalitesi model, donanım, görev, çalışma ortamı ve değerlendirme yöntemine de bağlıdır.

Veri katmanı insansı robotlar için neden önemli?

İnsansı robotların değişken fiziksel ortamlarda algı ve hareketi aynı anda koordine etmesi gerekiyor. İnsanların gerçekleştirdiği yüksek kaliteli gösterimler, robotların nesnelere, alanlara ve hassas motor becerisi gerektiren görevlere daha güvenilir tepki vermeyi öğrenmesine yardımcı olabilir. Bu nedenle 51World’ün çözümü doğrudan bir insansı robot üretmeye değil, fiziksel yapay zekânın arkasındaki veri hattına odaklanıyor.

Gelişme, Çin’de insansı robotları ticarileştirme çabalarının hızlandığı bir döneme denk geliyor. TrendForce, Çin’in insansı robot pazarının 2026’da 15 milyar yuana (2,2 milyar dolar) ulaşacağını ve üretimin ölçeklenmesiyle uygulama alanlarının genişlemesi sonucunda 2027’de en az yüzde 60 büyüyeceğini tahmin ediyor. Raporda otomotiv, 3C elektroniği, havacılık, lojistik ve enerji sektörleri öne çıkıyor.

Bu pazar tahmini, AperEgo veya AperOS’un söz konusu büyümeyi sağlayacağını kanıtlamıyor. Ancak robotlar tanıtım amaçlı gösterimlerden gerçek kullanıma doğru ilerledikçe, fiziksel dünyadan tekrarlanabilir ve işe yarar örnekler üretebilen veri toplama, filtreleme ve düzenleme altyapıları daha stratejik hâle geliyor.