Ev işlerini videoya çekmek, küresel robotik şirketleri için yeni bir veri ekonomisi yaratıyor. İnsansı robotların evlerde, mağazalarda ve ofislerde genel amaçlı görevleri üstlenebileceği bir gelecek hedefi, beklenmedik bir iş alanı doğurdu: İnsanların kendi ev işlerini video kaydıyla belgelediği “egosantrik veri” (egocentric data) üretimi…
Robotik şirketleri, daha hızlı ve çevik robotlar geliştirmek için her ay binlerce saatlik yeni görüntüye ihtiyaç duyuyor. Bu talep, dünya genelinde milyonlarca ev içi anın kayıt altına alındığı büyük bir veri pazarına dönüştü.
Ev işleri, küresel bir veri setine dönüşüyor…
Yapay zeka yeteneklerinin gelişmesiyle insansı robot rekabeti ivme kazandı. Yürüyebilen, dans edebilen hatta dövüşebilen robotlar geliştiriliyor, geçtiğimiz yaz gerçekleştirilen android olimpiyatlarıyla spor dahi yapıyor… Ancak sektörün en önemli hedefi hala “genel amaçlı”, farklı ortamlarda güvenle çalışabilen, insanları tamamlayacak bir makine olmaya devam ediyor.
Bu tür robotların çalışabilmesi için devasa miktarda gerçek hayat verisine ihtiyaç var. Dolayısıyla, şirketler giderek daha fazla birinci kişi kamera görüntüsü (POV) talep ediyor. Bu görüntüler mutfakta yemek yapmak, çamaşır katlamak, bahçe işleri ya da evcil hayvan bakımı gibi gündelik görevlerden oluşuyor.
Micro1 şirketinin Robotik Veri Birimi Başkan Yardımcısı Arian Sadeghi, CNN’e verdiği görüşünde bu ihtiyacı şöyle özetliyor:
Üretimden perakendeye, hastanelerden yaşlı bakım merkezlerine kadar her ortam farklı hareket kalıpları gerektiriyor. Hepsine dair veriye ihtiyacınız var.
Micro1, geçen yıldan bu yana dünya genelinde 71 ülkede yaklaşık 4 bin sözleşmeli çalışana kafa kamerası, görev listesi ve çekim yönergeleri gönderiyor. Ayda 160 bin saatten fazla video toplamalarına rağmen Sadeghi, bunun “yeterli olmaktan çok uzak” olduğunu söylüyor:
“Milyarlarca saate ihtiyaç var. Bu sadece ev işleri kısmı; henüz insan-insan etkileşimlerine gelmedik.”
Yeni bir endüstri: Veri toplama ve etiketleme
Yapay zeka modellerinin metin, görsel ve video alanlarında gelişimi internetten toplanan dev veri kütlelerine dayanıyordu. Ancak robotik için gereken veri çok daha spesifik: Gerçek bir insanın el hareketleri, nesneler arasındaki fiziksel mesafe, sürtünme, ağırlık, çevresel “kaos”…
Bu nedenle görüntülerin bir yandan toplanması, diğer yandan etiketlenmesi gerekiyor. Nesnelerin sınırları, hareket yönleri, yüzeyler ve etkileşim tipleri tek tek işleniyor. Pazar araştırmaları, veri toplama ve etiketleme sektörünün 2030’a kadar yıllık yüzde 30 büyüme oranıyla en az 10 milyar dolarlık bir hacme ulaşacağını öngörüyor.
Objectways’in kurucusu Ravi Rajalingam, farklı ülkelerden gelen videoların robotlar için kritik olduğunu belirtiyor: “Hindistan’daki mutfak ABD’deki mutfaktan çok farklı. Bir süpürgenin formu bile değişiyor. Robotun hangi pazarda konumlanacağına göre veri önceliği değişiyor.”
Robot eğitimi: Simülasyon, gerçek veri ve karma yaklaşım
Robotlar uzun yıllar uzaktan kumanda ile programlanarak eğitildi; ancak bu yöntem pahalı ve ölçeklenmesi zor… Yeni bir yöntem olarak simülasyon kullanılıyor, fakat fiziksel nesnelerle etkileşimde gerçek verinin doğruluğunu sağlayamıyor.
Bu nedenle sektör “karma eğitim” yöntemine yöneliyor:
Gerçek veri + simülasyon + insan hareketlerinden çıkarılan modeller.
Nvidia’nın Şubat ayında yayımladığı bulgular, 20 bin saatlik birinci kişi videosunun robota tişört katlama, iskambil sıralama, şişe kapağı açma gibi görevlerde yüzde 50’den fazla başarı artışı sağladığını ortaya koydu.
Otomasyonun “son kilometresi”: Ev ortamı
Texas Üniversitesi’nden robotik araştırmacısı Rutav Shah, CNN’e verdiği görüşte ev içi ortamların robotik için en zor alan olduğunu vurguluyor:
Evler sürekli değişen, öngörülemez yerler. İnsanların ömür boyu edindiği içgüdüsel kuvvet, sürtünme ve belirsizlik algısı robotlarda yok.
Bu nedenle en gelişmiş insansı robotlar bile bugün hala çoğunlukla fabrikalarda çalışıyor ve kontrollü ortamlarda yüzde 99,9 başarıya ulaşabiliyor. Ev tipi görevlerde ise oran yüzde 70–80 bandında, yani ticari olarak yetersiz kalıyor…
Ayrıca güvenlik kritik bir konu. Rajalingam, robotların nesneleri ayırt etme hatalarının gerçek riskler yaratabileceğini vurguluyor: “Eğer robot bir bebek oyuncağını gerçek bebek sanmazsa sorun yok. Ama tersi olursa milyon dolarlık dava demek…”
Şu an için bebeklerle test yapılmıyor; ancak şirketler köpekler üzerinde denemelere başladıklarını doğruluyor.
Ne anlama geliyor?
Ev içi video kaydıyla başlayan “insansı robot veri ekonomisi”, geleceğin otomasyon altyapısını şekillendiriyor.
Sektör henüz erken aşamada olsa da eğilimler net:
- Çok uluslu, çok çeşitli ve çok saatlik insan verisi,
- Simülasyonla desteklenen hibrit eğitim modelleri,
- Ev içi belirsizliği çözmeye yönelik algoritmalar,
- Ve güvenlik standartlarını yükseltmeye yönelik küresel bir çaba…
Robotların “genel amaçlı” olabilmesi hala yıllar alacak; ancak bugün kaydedilen sıradan ev işleri, yarının robotik ekonomisinin temel yapı taşını oluşturuyor.
Buna da göz atın: Anthropic’te kaynak kodu sızıntısı
