İnsanlar neden robotları uzaktan kontrol etmek yerine veri topluyor?

  • Robot temel modelleri, doğrudan toplanabilecek büyük miktarda fiziksel etkileşim verisinden yoksun. Geleneksel uzaktan kumandayla veri toplamanın her saati için kullanılabilir bir robot ve genellikle eğitimli bir operatör gerekiyor; bu da maliyeti yükseltiyor ve ölçeklenmeyi yavaşlatıyor.
  • Generalist, insanlara elde tutulan “Data Hand” tutucusuyla günlük görevleri yaptırırken görüntü ve hareket verilerini kaydediyor. Robotun orada bulunması gerekmiyor; böylece birden fazla yerde eş zamanlı veri toplanabiliyor. Şirket, veri setinin Kasım 2025 itibarıyla yaklaşık 270 bin saatten Nisan 2026 itibarıyla 500 bin saatin üzerine çıktığını söylüyor.
  • Bu yaklaşım, gerçek etkileşimlerin fiziksel dinamikleri koruyabileceği ve simülasyon ile gerçeklik arasındaki farkı azaltabileceği varsayımına dayanıyor. Simülasyona veya internet videolarına ağırlık veren yaklaşımlara kıyasla avantajı, toplama ölçeğinin sürekli olarak model yeteneğine dönüşüp dönüşemeyeceğine bağlı.

%99 başarı oranı ve yeni bir görevi birkaç saniyede öğrenmek ayrı ayrı ne anlama geliyor?

  • Şirketin açıklamasına göre, Nisan 2026 tarihinde tanıtılan GEN-1, her görev için sonradan eğitim aldıktan sonra ortalama başarı oranını önceki modelin %64 seviyesinden %99 seviyesine çıkardı; görevleri yerine getirme hızı da öncekinin yaklaşık üç katıydı. Bu, özel eğitim sonrasındaki performansı yansıtıyor.
  • Ağustos ayında tanıtılan GEN-1.5, yeni görevlerin öğretilme biçimini değiştiriyor: Model parametreleri güncellenmeden, yalnızca 3–12 saniyelik tek bir gösterimle görevi yerine getirebiliyor; 10 görevdeki ortalama başarı oranı %59 oldu. Her görev için 5 dakikalık veri ve 10 parametre güncelleme adımı eklendikten sonra bu oran %83 seviyesine yükseldi.
  • Morgan Stanley, yeni görevleri öğretme maliyetini ve birkaç günlük veri toplama ihtiyacını azaltma potansiyeline önem veriyor. Ancak bu sonuçlar basit ve kısa işlem dizisine sahip görevlerle sınırlı; şirket de anlık gösterimle öğrenilen becerilerin özel ince ayar sonrasında kazanılanlardan daha kırılgan olduğunu kabul ediyor.

Daha fazla gerçek veri ne zaman savunulabilir bir avantaja dönüşecek?

  • Generalist, ön eğitim verileri arttıkça model performansının öngörülebilir biçimde iyileştiğini söylüyor. Bu düzen devam ederse şirketler veri toplama yatırımlarının getirisini daha iyi tahmin edip hesaplama kaynaklarını planlayabilecek; rekabetin odağı da kimin daha çeşitli veri elde edebileceğine kayacak.
  • Savunulabilir bir avantaj için insan eliyle toplanan verilerin farklı robot gövdelerine aktarılabilmesi de gerekiyor. Robot kolu yapıları, eklemler ve sensörlerdeki farklılıklar verileri parçalayabilir; Morgan Stanley, şirketin ölçek etkisi ve başarı oranı verilerinin ağırlıklı olarak kendi beyanlarına dayandığını ve bağımsız değerlendirmelerin sınırlı olduğunu belirtiyor.
  • Şirket, daha büyük bir başlangıç veri setiyle önce uygulamaya geçmeyi, ardından uygulamalardan geri gelen verilerle modeli güçlendirmeyi umuyor. Ancak rakipler de geniş ölçekte uygulamaya geçtikten sonra gerçek veri biriktirebilir; simülasyon, video ve gerçek verilerin etkili birleşimi hâlâ açık bir soru.

Model daha kullanışlıysa gelir neden hemen artmıyor?

  • Generalist şu anda donanım ortakları ve az sayıdaki müşteriye yönelik erken erişim programı aracılığıyla uygulama olanaklarını araştırıyor. Teslimat komple robotları içerebilir veya çözüm müşterilerin mevcut robot kollarında çalışabilir; ticari yol hâlâ şekilleniyor.
  • Morgan Stanley’ye göre komple robotları şirket içinde üretmek, güvenilirlik üzerindeki kontrolü güçlendirebilir ve uygulama verilerine erişim sağlayabilir; ancak sermaye ve operasyon yükünü artırır. Donanım ortaklarına lisans vermek daha hafif bir modeldir, ancak gelir ortakların kanallarıyla sınırlıdır ve ortaklar model değiştirebilir.
  • İmalat ve lojistik müşterilerinde satış döngüleri uzun, güvenilirlik gereksinimleri yüksektir; robot arızaları üretim hatlarını durdurabilir. Aynı zamanda veri toplama ve eğitim yoğun sermaye gerektiriyor ve fiyatlandırma henüz belirlenmiş değil. Bu nedenle banka, sürdürülebilir gelirin nihayetinde robot üretim kapasitesine ve reel ekonomideki müşterilerin benimseme isteğine de bağlı olduğunu düşünüyor.