HALO’nun %91 başarı oranı ne gösteriyor?

  • Apple’ın araştırma ekibi, HALO sisteminin önceden taranmamış veya haritalanmamış 6 gerçek dünya ortamında tekil görevler için 360 test gerçekleştirdiğini ve ortalama %91 başarı oranına ulaştığını açıkladı. Bu, robotların gerçek dünya ortamlarında tekil görevleri tamamlamak için belirli ölçüde otonom kontrole dayanabildiğini gösteriyor.
  • Birleşik görevlerdeki sonuçlar belirgin biçimde daha düşüktü: başka bir gerçek dünya ortamında 3 tür birleşik görevin her biri 10 kez test edildi ve ortalama başarı oranı %70 oldu; “eğilerek engeli geçme—hedefe yürüme—kutuyu itme” görevinin başarı oranı ise %50 olarak kaydedildi. Tekil hareketlerden kesintisiz görevlere geçildiğinde uygulama istikrarı yine düşüyor.

Başarı oranlarının daha fazla senaryoya yayılmasını hangi eksiklikler sınırlıyor?

  • Veri üretiminde hâlâ insan katılımı bulunuyor: yeni fiziksel görevler için insanların komutlar yazması ve hareketlerin kilit karelerini tasarlaması gerekiyor; bazı hareketlerde insan videolarından veya hareket yakalama kayıtlarından da yararlanılıyor. Bu nedenle test sonuçları, robotun artık her yeni göreve kendi başına uyum sağlayabildiği anlamına gelmiyor.
  • HALO şu anda esas olarak görmeye dayanıyor ve teması doğrudan algılamakta zorlanıyor. Bir nesne kamera görüş alanından çıktığında veya örtüldüğünde, yoğun temas içeren görevlerdeki performans düşüyor. Apple ekibi dokunsal algıyı sonraki iyileştirme alanlarından biri olarak belirtiyor; veri kıtlığı, etiketleme zorluğu ve fiziksel ortamların karmaşıklığı da genellemenin önünde engel oluşturuyor.

Kurumlar neden “büyük beyin/küçük beyin entegrasyonuna” odaklanıyor?

  • “Büyük beyin” biliş ve karar vermeden, “küçük beyin” ise hareket kontrolünden sorumludur; algı, karar ve uygulamanın kapalı döngü oluşturması ancak ikisinin eşgüdümüyle mümkündür. Rapor, sektörün gelişimini katmanlı ve eşgüdümlü mimarilerden daha derin bir entegrasyona geçiş olarak özetliyor; ancak büyük yapay zekâ modelleri ile insansı robotların mevcut entegrasyonunun hâlâ sınırlı olduğunu da belirtiyor.
  • Industrial Securities’ten Dong Xiaobin, robot donanımının üretim süreçlerinin oldukça yüksek bir düzeye ulaştığını ve somutlaşmış zekâ yeteneklerinin bir gelişme darboğazı hâline gelebileceğini düşünüyor; uygulama senaryoları şu an için görece sınırlı. Özel amaçlı senaryolar genişler, eğitim yöntemleri iyileştirilir ve donanım gelişmeye devam ederse yüksek kaliteli verilerin birikimi hızlanabilir ve uygulamaların genel amaçlı ve ev içi senaryolara yayılmasını sağlayabilir.

İlgili şirketlerin ilerlemeleri aynı aşamada mı?

  • Hayır, durum böyle değil. Joyson Electronics, büyük beyin/küçük beyin denetleyicileri gibi bileşenleri piyasaya sürdüğünü, ancak Kuzey Amerika’daki müşterilere yönelik ürünlerde numune gönderimi, yinelemeli iyileştirmeler ve seri üretim çalışmalarının hâlâ sürdüğünü söylüyor. JWIPC, robotlara yönelik büyük beyin/küçük beyin denetleyicileri alanında müşteri siparişlerinin gerçekleştiğini belirtiyor. SigmaStar’ın somutlaşmış zekâya yönelik büyük beyin/küçük beyin SoC’leri ise kademeli olarak tape-out sürecine girdi.
  • Bu bilgiler sırasıyla bileşen, denetleyici ve çiplerdeki farklı ilerleme aşamalarına karşılık geliyor; değer zincirinde ürünlerin ve projelerin ilerlediğini gösteriyor. Ancak numune gönderimini, siparişleri ve tape-out’u aynı ticarileşme aşaması olarak görmek mümkün değildir.