ChatGPT, üretken yapay zekanın başlangıç anını simgeliyor. Herhangi bir sorguya yanıtlar üretebilen bu yapay zeka, içerik oluşturma, müşteri hizmetleri, yazılım geliştirme ve iş operasyonları gibi dijital çalışmaları dönüştürerek bilgi çalışanları için yeni bir dönem başlatıyor.
Fiziksel yapay zeka, endüstriyel sistemler içindeki insan benzeri robotlar, fabrikalar ve diğer cihazlar aracılığıyla yapay zekayı somutlaştırsa da, henüz gerçek bir sıçrama yaşamış değil.
Bu durum, ulaşım ve hareketlilik, üretim, lojistik ve robotik gibi endüstrilerde engellere yol açtı. Ancak, gelişmiş eğitim, simülasyon ve çıkarım yeteneklerini bir araya getiren üç bilgisayar sayesinde bu durum değişmek üzere.
Multimodal Fiziksel Yapay Zeka’nın Yükselişi
Son 60 yıl boyunca, “Yazılım 1.0” – insan programcılar tarafından yazılan ardışık kod – genel amaçlı bilgisayarlarda, CPU’lar üzerinde çalışıyordu.
2012 yılında ise Alex Krizhevsky, Ilya Sutskever ve Geoffrey Hinton’un mentörlüğünde, AlexNet adındaki devrim niteliğindeki derin öğrenme modeli ile ImageNet bilgisayar görüntü tanıma yarışmasını kazandı. Bu, sektörde yapay zeka ile ilk temas olarak kaydedildi.
Makine öğrenimindeki bu patlama; GPU’lar üzerinde çalışan sinir ağları ile Yazılım 2.0 dönemini başlattı. Günümüzde yazılım, yazılım yazıyor. Dünyanın hesaplama iş yükleri, CPU’lardan GPU’lara doğru hızlandırılmış hesaplamalara kayıyor ve bu durum Moore’un yasasını geride bırakıyor.
Üretken yapay zeka sayesinde multimodal dönüştürücü ve difüzyon modelleri yanıtlar üretmek için eğitilmektedir.
Büyük dil modelleri bir boyutlu olup, harf veya kelime gibi modlarda bir sonraki belirteci tahmin edebilir. Görüntü ve video üretim modelleri iki boyutlu olup, bir sonraki pikseli tahmin edebilir. Ancak, bu modeller üç boyutlu dünyayı anlayamaz veya yorumlayamaz. İşte burada fiziksel yapay zeka devreye giriyor.
Fiziksel yapay zeka modelleri; fiziksel dünyayı algılayabilir, anlayabilir, etkileşimde bulunabilir ve gezinebilir. Hızlandırılmış hesaplama, multimodal fiziksel yapay zeka atılımları ve büyük ölçekli fiziksel temelli simülasyonlarla birlikte, robotlar aracılığıyla fiziksel yapay zeka değerinin gerçekleştirilmesine olanak tanıyor.
Bir robot, algılama, akıl yürütme, planlama, hareket etme ve öğrenme yetilerine sahip bir sistemdir. Robotlar genellikle otonom mobil robotlar (AMR’ler), manipülatör kollar veya insansı robotlar olarak düşünülür. Ancak, çok daha fazla robotik temsil mevcuttur.
Yakın gelecekte, hareket eden her şey veya hareket eden şeyleri izleyen sistemler, otonom robotik sistemlere dönüşecektir. Cerrahi odalardan veri merkezlerine, depo alanlarından fabrikalara, trafik kontrol sistemlerinden akıllı şehirlere kadar her alan, statik, manuel işletilen sistemlerden otonom, etkileşimli sistemlere geçiş yaparak fiziksel yapay zeka ile yeniden şekillenecektir.
Yeni Sınır: İnsansı Robotlar
İnsansı robotlar, insanlara yönelik ortamlarda verimli bir şekilde çalışabilmeleri ve dağıtım ile operasyon için minimum ayarlama gereksinimleri ile ideal genel amaçlı robotik bir varoluş biçimidir.
Goldman Sachs’a göre, insansı robotların küresel pazarı 2035 yılına kadar 38 milyar dolara ulaşması bekleniyor. Bu, yaklaşık iki yıl önce tahmin edilen 6 milyar dolardan altı kat fazladır.
Dünyanın dört bir yanındaki araştırmacılar ve geliştiriciler, bu yeni dalgayı oluşturmak için yarışıyor.
Fiziksel Yapay Zeka Geliştirmek İçin Üç Bilgisayar
İnsansı robotları geliştirmek için, fiziksel yapay zeka ile robot eğitimi, simülasyonu ve çalışma zamanını yönetmek üzere üç hızlandırılmış bilgisayar sistemine ihtiyaç vardır. İnsansı robot gelişimini hızlandıran iki bilgisayar yeniliği: multimodal temel modeller ve robotlar ile dünyalarının ölçeklenebilir, fiziksel temelli simülasyonlarıdır.
Üretken yapay zekadaki atılımlar, robotlara 3B algılama, kontrol, beceri planlama ve zeka getiriyor. Ölçekli robot simülasyonu, geliştiricilerin robot becerilerini, fizik yasalarını taklit eden sanal bir dünyada gözden geçirmesine, test etmesine ve optimize etmesine olanak sağlar. Bu, gerçek dünya veri edinim maliyetlerini azaltırken güvenli, kontrollü ortamlarda performans göstermelerini sağlar.
NVIDIA, fiziksel yapay zeka oluşturmayı sağlayacak üç bilgisayar ve hızlandırılmış geliştirme platformları inşa etmiştir.
İlk olarak, modeller bir süper bilgisayarda eğitilmektedir. Geliştiriciler, güçlü temel ve üretken yapay zeka modellerini eğitmek ve ince ayar yapmak için NVIDIA NeMo’yu NVIDIA DGX platformunda kullanabilirler. Ayrıca, insansı robotların doğal dili anlamalarına ve insan hareketlerini gözlemleyerek taklit etmelerine olanak tanıyan, genel amaçlı temel modeller geliştirme girişimi NVIDIA Project GR00T‘dan da yararlanabilirler.
İkincisi, NVIDIA Omniverse, NVIDIA OVX sunucularında çalışarak fiziksel yapay zekayı test etmek ve optimize etmek için geliştirme platformu ve simülasyon ortamı sağlar. Geliştiriciler, robot modellerini simüle etmek ve doğrulamak ya da robot model eğitimi için büyük miktarda fiziksel temelli sentetik veri üretmek için Isaac Sim’den faydalanabilirler.
Geliştiriciler, robot öğrenimi ile desteklenen açık kaynak NVIDIA Isaac Lab framework’ünü de kullanarak robot politikası eğitimini hızlandırabilirler.
Son olarak, eğitilmiş yapay zeka modelleri bir çalışma zamanı bilgisayarına dağıtılır. NVIDIA Jetson Thor robotik bilgisayarları, kompakt ve birim içi hesaplama ihtiyaçları için özel olarak tasarlanmıştır. Kontrol politikası, görsel ve dil modellerinden oluşan bir model ansambları, robotların beyni olarak, enerji verimliliği yüksek, yerinde bir kenar hesaplama sistemine yerleştirilir.
Robot üreticileri ve temel model geliştiricileri, iş akışlarına ve zorluk alanlarına göre ihtiyaç duydukları kadar hızlandırılmış hesaplama platformlarından yararlanabilirler.
Otonom Tesislerin Yeni Dalgasını İnşa Etmek
Robotik tesisler, tüm bu teknolojilerin birikiminin bir sonucudur.
Foxconn gibi üreticiler veya Amazon Robotik gibi lojistik firmaları, ekiplerini otonom robotlarla düzenleyip fabrika operasyonlarını yüzlerce veya binlerce sensör aracılığıyla izleyebilirler.
Bu otonom depolar, fabrikalar ve tesisler dijital ikizler ile donatılacak. Bu dijital ikizler, yerleşim planlaması ve optimizasyonu, operasyon simülasyonu ve en önemlisi, robot filolarının yazılım ile test edilmesi için kullanılacaktır.
Omniverse tabanlı “Mega”, endüstriyel işletmelerin robot filolarını simülasyon ortamında test edip optimize etmeleri için bir planıdır. Bu, fiziksel fabrikalara geçişte kesintisiz entegrasyon, optimum performans ve minimum aksama sağlamaya yardımcı olur.
Mega, geliştiricilerin fabrika dijital ikizlerini sanal robotlar ve bunların AI modelleri ile doldurmalarını sağlar. Dijital ikizdeki robotlar, çevrelerini algılayarak, akıl yürüterek, sonraki hareketlerini planlayarak ve son olarak planlanan eylemleri gerçekleştirerek görevleri yerine getirirler.
Bu eylemler, Omniverse içindeki dünya simülatörü tarafından dijital ortamda simüle edilir ve sonuçlar, Omniverse sensör simülasyonu üzerinden robot beyinleri tarafından algılanır.
Herhangi bir değişikliği simüle etmek ve doğrulamak, Omniverse dijital ikizinin güvenli sınırlarında, endüstriyel işletmelere daha fazla güven sağlarken maliyetleri de azaltmayı amaçlıyor.
NVIDIA Teknolojisi ile Geliştirici Ekosistemini Güçlendirmek
NVIDIA, global robotik geliştiriciler ve robot temel model inşaatçıları ekosisteminin çalışmalarını hızlandırmak üzere üç bilgisayar sunmaktadır.
Universal Robots, bir Teradyne Robotik şirketidir ve NVIDIA Isaac Manipulator, Isaac hızlandırılmış kütüphaneleri ve AI modelleri ile birlikte NVIDIA Jetson Orin’i kullanarak, UR AI Hızlandırıcısını geliştirmiştir.
RGo Robotics, NVIDIA Isaac Perceptor kullanarak, wheel.me AMR’lerinin her yerde çalışmasını ve akıllı kararlar vermesini sağlayarak onlara insan benzeri algılama ve görsel-mekansal bilgi kazandırdı.
İnsansı robot yapımcıları, 1X Teknolojileri, Agility Robotics, Apptronik, Boston Dynamics, Fourier, Galbot, Mentee, Sanctuary AI, Unitree Robotics ve XPENG Robotics dahil olmak üzere, NVIDIA’nın robotik geliştirme platformunu benimsemektedir.
Boston Dynamics, Isaac Sim ve Isaac Lab kullanarak insansı robotların yanı sıra dört ayaklı robotlar geliştiriyor. Bu sayede, insan verimliliğini artırmak, işgücü eksikliklerini gidermek ve güvenliği ön planda tutmak hedefleniyor.
Fourier, Isaac Sim’den yararlanarak insansı robotları yüksek düzeyde etkileşim ve uyum gerektiren alanlarda çalışmak üzere eğitiyor; bunlar arasında bilimsel araştırmalar, sağlık hizmetleri ve üretim de yer alıyor.
NVIDIA Isaac Lab ve Isaac Sim kullanarak Galbot, farklı çevresel robot kolları için kullanılabilecek geniş ölçekli bir robotik hassas kavrama veri seti olan DexGraspNet’i geliştirdiği gibi, hassas kavrama modellerini değerlendirmek için bir simülasyon ortamı da oluşturdu.
Field AI, robotların dış alanlarda güvenli bir şekilde çalışabilmesi için risk sınırlı çok görevli ve çok amaçlı temel modeller geliştirdi ve bu modeli Isaac platformu ile Isaac Lab kullanarak oluşturdu.
Fiziksel yapay zeka dönemi geldi ve dünyadaki ağır sanayileri ve robotikleri dönüştürüyor.
Başlamak için NVIDIA Robotik ile tanışın.