Kendi kendine giden robot taksilerin sürücüsüz olarak büyük şehir sokaklarında ilerlediği ve teslimat dronlarının gökyüzünde siparişleri müşterilerin kapısına bıraktığı bir dünyada, iş yerlerinde veya evlerde insanlara çeşitli görevlerde yardımcı olan genel amaçlı robotlar fikri kulağa pek de uzak gelmeyebilir.
Ancak bu gelecek, modern yapay zeka ile güçlendirilen giderek daha otonom robotların geliştirilmesine dayanıyor. Bu iddialı vizyon, birçok araştırmacıyı girişimci olmaya motive ederken, aynı zamanda milyarlarca dolarlık yatırımı da beraberinde getiriyor.
Robotik şirketi Boston Dynamics'in yazılım başkan yardımcısı Matt Malchano, “Yaklaşık 15 yıl önce başladığımda, otonomi üzerine odaklanmış bir proje ekibini yönetiyordum, ancak o dönemde ekibin hedefi sadece bir robotun A noktasından B noktasına gitmesini sağlamaktı” diyor. “Şimdi otonomiden bahsettiğimizde, bir robotun kendi başına yapabileceği geniş bir görev ve eylem yelpazesini hayal ediyoruz.”
Geçmişte, özellikle robotik laboratuvarları ve şirketler otonom navigasyon ve hatta yürüyen robotlar için kendi dengesini sağlama gibi sorunlarla boğuşurken, The Jetsons'tan housekeeper Rosie veya Star Wars'tan C-3PO gibi genel amaçlı, otonom robotlar yaratmak için pratik bir yol hayal etmek zordu. 1979'da, Stanford Cart adlı deneysel otonom araç, engellerle dolu bir odada 20 metre ilerlemek için beş saat harcıyordu. Kendi dengesini kaybetmeden yürüyebilen ilk iki ayaklı robot ise 1996'da geliştirilmişti.
Malchano, robot otonomisinin her zaman “hareketli bir hedef” olduğunu ve amacın, insanları denetimi olmadan bir dizi görevi yerine getirebilen robotlar yaratmak olduğunu belirtiyor. Uluslararası Standartlar Organizasyonu (ISO), robotikte otonomiyi “mevcut duruma ve algılamaya dayanarak, insan müdahalesi olmadan amaçlanan görevleri yerine getirebilme yeteneği” olarak tanımlıyor.
Son yıllarda yapay zekada yaşanan gelişmeler, özellikle 2010'lardaki pekiştirmeli öğrenme ve 2020'lerde büyük veri kümeleriyle eğitilen temel modeller, “bir robotun görev dizilerini yerine getirebileceği ve görevleri gerçekten anlayabileceği bir dünya hayal etme yeteneğini ortaya çıkardı ve bu çok heyecan verici” diyor Malchano. Günümüzde birçok araştırma laboratuvarı ve şirket, daha karmaşık ve öngörülemeyen ortamlarda geniş bir görev yelpazesini bağımsız olarak yerine getirebilen genel amaçlı robotlar geliştirmek için yarışıyor.
Bu robotlar, insansı robotlara yapılan büyük yatırımlara rağmen, mutlaka insansı bir görünüme ve işleve sahip olmayacaklar. Ancak biçimleri ne olursa olsun, fabrikalar ve depoların nispeten kontrollü ortamlarında belirli görevleri yerine getiren milyonlarca endüstriyel ve hizmet robotunun ötesinde önemli bir adım temsil edebilirler.
Bilgisayar bilimci ve yapay zeka ve robotik şirketi Physical Intelligence'ın kurucu ortağı Sergey Levine, “Montaj hattında, robotun belirli bir hareketi yapması gerekiyor ve eğer bu hareketi güvenilir ve tekrarlı bir şekilde yapıyorsanız, bu temel bir fabrika otonomisi seviyesidir. Ancak bir sonraki seviye, yani şu anda mümkün olanın sınırında olan – gerçek dünyaya ulaşan bir araştırma konusu – robotun yapılandırılmamış bir ortamda bir şeyi güvenilir bir şekilde yapabilmesidir.”
Ars, robot araştırmacıları ve kurucularıyla yapay zekanın robotik alanındaki ilgiyi nasıl artırdığını, genel amaçlı robotlar yapmanın zorluklarını, robot çalışanlar için güvenliğin neden belirleyici bir sorun olduğunu, cerrahi robotların neden hala sınırlı otonomiye sahip olduğunu ve evlerde robot yardımcıları ne zaman göreceğimizi konuştu.
Robotik Alanında Modern Yapay Zekanın Etkisi
Levine'in kurucusu olduğu Physical Intelligence adlı girişimi, açık dünya ortamlarında otonom olarak çalışan birçok farklı robot türünü güçlendirebilecek pratik robotik zekayı hayata geçirmek için çalışıyor. Levine, “Her şeyi yapabilen süper gelişmiş bir insansı robot gibi tek bir nihai robot olacağını sanmıyorum. Bunun yerine, işleri için iyi uyum sağlamış birçok farklı robotu güçlendirecek genel bir yapay zeka modeli olacağını düşünüyorum.”
Örneğin, bir apartman dairesi için tavanından sarkan küçük bir robot kol daha uygun olabilirken, Levine bir çiftlikte ağır nesneleri taşıyan “iri cüsseli bir robotun” daha kullanışlı olabileceğini öne sürüyor. “İyi insansı robotların da olacağına eminim, ancak başka şeyler de olacak. İşe en uygun olan neyse o olacak.”
Ancak daha bağımsız olarak açık dünyada çalışabilen otonom robotlar geliştirmek, “teknolojik karmaşıklıkta adım adım ilerlemeler” gerektiriyor. Levine, bu tür robotların karmaşık çevresel algılama yapabilmesi, sağlam motor becerilerine sahip olması ve temel hataları aşabilmesi, ayrıca insanlardan gelen talimatları işleyebilmesi gerektiğini belirtiyor. Ek olarak, bu robotların yeni durumlara uyum sağlamak için davranışlarını genelleştirmeyi öğrenmeleri gerekecek.
Birçok araştırmacı, pekiştirmeli öğrenme ve büyük önceden eğitilmiş modelleri içeren bir dizi yapay zeka tekniği aracılığıyla bunu gerçekleştirmeye çalışıyor. Pekiştirmeli öğrenme, robotların fiziksel robotlarla gerçek dünyada etkileşim kurarak veya bilgisayar simülasyonları kullanarak deneme yanılma yoluyla belirli görevleri yerine getirmesini eğitmeyi içeriyor. Aynı zamanda, büyük miktarda veriyle önceden eğitilmiş temel modeller – örneğin görüntüler ve metinlerle eğitilmiş görsel-dil modelleri – robotların daha uygun tepki vermesine ve çeşitli durumlarda gereksiz hatalardan kaçınmasına yardımcı olabilecek temel bir dünya bilgisi sağlayabilir.
Levine, “Pekiştirmeli öğrenme, birçok kez tenis vuruşunuzu tekrar ettikten sonra çok iyi hale gelmeniz gibidir. Ancak oraya varmadan önce, başlamak için temel bir sağduyuya sahip olmanız gerekir.”
Bu yapay zeka tekniklerinin birleşimi ve erişilebilir eğitim verilerinin giderek artması – örneğin insanların robotlara belirli görevlerin nasıl yapılacağını göstermek için uzaktan kumanda etmesi – robotların çeşitli koşullar altında birçok farklı görevi güvenilir bir şekilde yerine getirmesi konusunda “cesaret verici” bir ilerleme sağladı. Levine, “Modern makine öğrenmesi sistemlerinin çalışmasını sağlamanın anahtarı, genelleme göreceğimiz kritik bir kütle veri elde etmektir.”
Ancak robotların fiziksel görevleri yerine getirmesi için doğru veriyi toplamak söz konusu olduğunda hala geniş çapta tanınan bir veri boşluğu var. Daha maliyetli ve zaman alan yöntemler arasında, insanların teleoperasyon teçhizatları giyerek bir robotun fiziksel hareketlerini doğrudan yönlendirmesi veya laboratuvarlarda veya diğer ortamlarda robotlarla çok sayıda deneysel deneme yapılması yer alıyor. Fizik tabanlı, manuel olarak kodlanmış simülasyonlar sanal ortamlarda robotları daha ucuza eğitmeye yardımcı olabilir ancak birçok gerçek dünya karmaşıklığını ve belirsizliğini yakalayamayabilir.
Robotik araştırmacıları ayrıca robotların fiziksel dünyadaki eylemlerinin sonuçlarını tahmin etmelerine ve buna göre plan yapmalarına yardımcı olmak için dünya modelleri de geliştiriyor. Bu tür yapay zeka modellerinin bazı uygulamaları, fiziksel ortamların nasıl çalıştığını öğrenmek için öncelikli olarak görsel verilerle eğitiliyor, hatta bazı şirketler veri toplamak için “iş arayanları başlarına takılı kameralar takarak ev işleri veya diğer görevleri yaparken ilk kişi perspektifinden videolar topluyor.”
Robot eğitimi için bu yaklaşım, robotlarla gerçek dünya deneyleri yapmaktan daha ucuzdur, ancak dünya modeli geliştirme hesaplama açısından hala maliyetlidir ve gerçek dünya fiziksel etkileşimlerini doğru bir şekilde çoğaltmakta zorlanabilir.
Şimdilik, genel amaçlı robotlar ufukta kalmaya devam ediyor. Pekiştirmeli öğrenme gibi mevcut eğitim yöntemleri, çok özel koşullar altında belirli bir görevi tutarlı bir şekilde yerine getirme konusunda çok iyi olan robotlar üretebilir – ancak bu robotlar aynı görevi farklı koşullarda yaparken zorlanabilir. Bu arada, teleoperasyon ve diğer yöntemlerden elde edilen veri çeşitliliğinin artması, robotları “bir dizi görevi öğretebilir, ancak %99.99’luk sağlamlık seviyesine ulaşamaz” diyor Levine.
“Her şeyde biraz iyi ama harika değil olan bir şey ya da tek bir şeyde inanılmaz derecede iyi olan bir şey elde edebilirsiniz,” diyor. “Her şeyde inanılmaz derecede iyi olan bir şey istiyoruz ve bu hala araştırmanın ön saflarında.”
Çalışarak Öğrenme
Neyse ki, genel amaçlı robotik yeteneklerin gelişmesini beklemeden robotlar için pratik kullanımlar bulmak mümkün. Birçok şirket on yıllardır özel endüstriyel ve hizmet robotları geliştirip satıyor ve hem daha yeni girişimler hem de daha yerleşik robotik şirketleri, giderek artan bir görev yelpazesini yerine getirmek için en son robot otonomisi seviyelerini uyguluyor.
En bilinen adaylardan biri, başlangıçta 1992'de bir MIT laboratuvarından ayrılan Boston Dynamics. Şirket, dört ayaklı ve iki ayaklı robotlarının viral video gösterileriyle popülerlik kazandı. En son örnekler arasında, 2026 Dünya Kupası sırasında çeşitli futbol hareketlerini öğrenen Atlas insansı robotu yer alıyor.
Ancak yıllardır, Boston Dynamics'in dört ayaklı Spot robotu, elektrik ve gaz şirketi National Grid tarafından işletilen Massachusetts dönüştürücü istasyonları ve Kaliforniya otoyollarının altından geçen menfez boruları gibi insanlar için daha tehlikeli olan tesislerin otonom denetimlerini gerçekleştiriyor.
Malchano, bu tür robotik otonominin “robotun bir ortamda gezinme ve o ortamın fotoğraf ve sensör ölçümlerini alma gibi eylemleri kendi başına gerçekleştirme yeteneğiyle ilgili olduğunu” söylüyor. “Bu, bir ürün haline getirdiğimiz ve robotikçi olmayan, bunun yerine tesislerinin harika çalışmasını ve arızalanmamasını sağlamaya odaklanan kişiler tarafından kullanılan bir yetenek. Bu, bugün mevcut olan bir otonomi biçimidir.”
Spot'un karşılaştığı özel bir zorluk, müşteri tesislerindeki kaygan zeminlerde yürümeyi öğrenmekti, bu da pekiştirmeli öğrenme yoluyla ek eğitim gerektirdi. Malchano, “Robotun nasıl yürüyeceğini seçme şeklini ve kaygan bir zeminde olduğunu fark edip dengeyi korumak ve bir insanın buzda yürümesine benzer şekilde hareket edebilmek için harekete geçme yeteneğini yeniden eğittik.”
Aynı zamanda, şirketin büyük robotik kollara sahip tekerlekli Stretch robotları, DHL gibi lojistik şirketleri tarafından işletilen depolarda büyük kutuları ve paketleri taşıyor. Malchano, “Tırlarların yüklendiği farklı paket türlerine, tırların yapısına ve gerçek dünyayla etkileşim kurarak karşılaştığımız tırların kendi yapılarına sürekli olarak uyum sağladık.”
Boston Dynamics ayrıca tamamen elektrikli Atlas insansı robotunun üretimini de artırıyor. Bu insansı robot, Güney Koreli ana şirketi Hyundai Motor Group tarafından işletilen Robot Metaplant Uygulama Merkezi'nde eğitim ve testlerden geçiyor. Hedef, 2028 yılına kadar Georgia, Ellabell'de bulunan büyük bir elektrikli araç fabrikası olan Hyundai Motor Group Metaplant America'da eğitimli Atlas robotlarının görev yapmasını sağlamak.
Malchano, “Görünüşe göre harika arabalar üreten Hyundai ile bağlantılı olduğumuz için çok şanslıyız. Ölçeklendirme yeteneğinden yararlanmak, robot üretmek için gerçekten önemli.”
Hyundai ve Boston Dynamics'in çabası, 2028 yılına kadar yılda 30.000 insansı robot üretim kapasitesine ulaşmayı hedefliyor. Dünyanın bu kadar çok insansı robota ihtiyaç duyup duymayacağı, geleneksel olarak insan iş gücünün kullanıldığı yerlerde ne kadar kullanışlı ve uygun maliyetli olabileceklerine bağlı. Hyundai'nin kendi insan çalışanlarından da ilk geri tepkiler var; Hyundai Motor işçi sendikası, 25 Haziran'da Güney Koreli otomobil üreticisiyle yaklaşan Atlas robotu konuşlandırmasıyla ilgili iş korumaları konusunda müzakere ederken potansiyel bir grevi onayladı.
Ancak şimdilik, insan seviyesinde esneklik ve uyum sağlama yeteneğine yaklaşan genel amaçlı robotlar hala yıllar uzakta. Malchano, “Bir insandan bir görev yapmasını istediğimizde, biraz eğitimle neredeyse her zaman doğru yapacağını beklemeye alıştık. Genel amaçlı, yapay zeka güdümlü görevler için bu güvenilirlik seviyesine ulaşmak için neyin gerektiğini hala anladığımızı düşünüyorum.”
Depolardan Evlere Yol Haritası
Agility Robotics'in kurucu ortağı ve Oregon State Üniversitesi'nde robotik araştırmacısı Jonathan Hurst, robotikteki gelecekteki ilerlemenin, robotların yeterli veriyle eğitildikten sonra aniden yetenekli hale geldiği bir “ChatGPT anı” gibi olmayacağını söylüyor. Robotlar için eğitim verisi toplamanın İnternet metinlerini, görüntülerini ve videolarını kazımak kadar basit olmadığını, robotun tüm eklemlerini ve uzuvlarını fiziksel dünyayla etkileşim halindeyken kontrol etme ve koordine etme ile ilgili çok daha fazla gerçek dünya verisi toplamak gerektiğini belirtiyor.
Hurst, “Vücutlu bir yapay zeka elde etmek dramatik derecede daha zordur; vücutlu bir yapay zeka elde etmek 10 kat daha zordur. Büyük dil modellerini mümkün kılan veriler, vücutlu yapay zeka için mevcut değil ve asla var olmayacak.”
Hurst, önümüzdeki birkaç on yıl içinde robotların daha genelleştirilmiş ortamlara ve durumlara girmelerine olanak tanıyacak kademeli bir ilerleme bekliyor. Şirketi Agility Robotics, 2024 yılından itibaren Atlanta, Georgia'daki bir GXO lojistik deposunda Digit robotlarını konuşlandırarak insansı robotlar için uzun vadeli ticari sözleşme elde eden ilk şirket oldu. Deponun içinde, Digit robotları sipariş toplama alanlarından konveyörlere ürün dolu kutuları eğilerek kaldırıp taşıyor.
Agility daha sonra Toyota Motor Manufacturing Canada'nın otomotiv üretim hatlarında ve Alman otomotiv üreticisi Schaeffler'in Güney Carolina fabrikasında daha fazla insansı robot konuşlandırdı. Ayrıca e-ticaret şirketi Mercado Libre'nin Teksas, San Antonio'daki bir tesisine Digit robotlarını entegre etmek için ticari bir anlaşması var. Robotlar Amazon depolarında bile test edildi.
24 Haziran'da Agility, Kuzey Amerika'daki büyük bir borsada halka açılan ilk “saf oyun insansı robot şirketi” olma planlarını duyurdu. Şirket, robotlarının ilk ticari konuşlandırmalar ve pilot programlar aracılığıyla şimdiden 65.000 saatin üzerinde operasyon biriktirdiğini belirtiyor.
Digit'in iş yerindeki görevleri çoğunlukla kutuları ve kapları kaldırmaya ve taşımaya odaklanmış durumda. Ancak bir sonraki adımın, eşyaları kutulara koymak, ardından farklı boyutlarda ve şekillerde karton kutuları taşımak olabileceğini söylüyor Hurst. Bu, nihayetinde daha az yapılandırılmış ve fabrika montaj hatlarından veya depolardan potansiyel olarak daha kaotik ortamlarda perakende ve marketlerin arka odalarında iş fırsatlarına yol açabilir.
Daha uzun vadede, Digit gibi insansı robotlar, paketleri insanların kapılarına teslim etmek için otonom araçlarda dolaşmaya başlayabilir. Son durak, insanlara evlerinde doğrudan yardımcı olmak olabilir. Ancak Hurst, robotik geliştirmenin, çocukların etrafında güvenli bir şekilde çalışacak veya ev işlerine yardımcı olacak kadar akıllı robotlar yaratmaktan hala birkaç on yıl uzakta olduğunu konusunda uyarıyor.
Hurst, “Nihayetinde otonomi, birine bir bebek verildiğinde robotunuzun nasıl tepki vereceği anlamına gelecek. Gerçekten denetimsiz bir şekilde insan ortamlarında bulunacaksa, bu gibi gerçekten tuhaf köşe durumlarıyla ve robotun orada iyi kararlar verecek kadar akıllı olup olmayacağıyla uğraşmak zorunda kalacaksınız.”
Şimdilik, insansı robotlarının insanlarla birlikte evlerde güvenli bir şekilde çalışacağını iddia eden şirketler “ya yalan söylüyor ya da yanlış, ikisinden biri,” diyor Hurst.
Güvenlik Faktörü
Otonom robotların iş yerlerinde ve evlerde serbestçe dolaşabilmesi için öncelikle insanlar etrafında güvenli bir şekilde çalışabildiklerini kanıtlamaları gerekiyor. Robot iş arkadaşlarından kaynaklanan fiziksel tehlike, 25 Ocak 1979'da 25 yaşındaki Robert Nicholas Williams'ın Michigan, Flat Rock'taki bir Ford Motor Company fabrikasında 1 tonluk bir robot aracının kolu tarafından ezilerek ölmesinden bu yana açıkça görülüyor.
Bu dersler, Agility Robotics için kaybolmadı. Bu şirket, Digit insansı robotlarını Georgia, Atlanta'daki bir GXO lojistik deposunda konuşlandıran ilk uzun vadeli ticari sözleşmeyi imzalayan şirket oldu. Robotlar, sipariş toplama alanlarından konveyörlere ürün dolu kutuları taşıyor ve yakın çevrelerinde insan çalışanlar olmadan izole bir şekilde çalışıyorlar. Hurst, “Hala nispeten az sayıda robot konuşlandırmamızın nedeni güvenlik, bu bir engelleyici. Bu herkes için bir engelleyici.”
Güvenlik nedenleriyle Agility'nin Digit robotları, insan çalışanlardan ayrı “iş hücreleri” içinde konuşlandırıldı. Ancak önümüzdeki 12 ay içinde Agility, Digit v5 robotunu “yapay zeka destekli, işbirliği açısından güvenli ilk insansı robot” olarak ticari olarak piyasaya sürmeyi planlıyor.
Hurst, “[Robot] etrafındaki insanları tanımlayabilir, hareket etmeyi durdurabilir ve bir insan ona dokunmadan yere oturabilir. Bu, birinin ayağına düşmesini veya birinin yüzüne kolunu sallamasını engellediğinizin garantisidir.”
Hem Agility hem de Boston Dynamics, Uluslararası Standardizasyon Organizasyonu (ISO) aracılığıyla endüstriyel mobil robotlar için uluslararası bir güvenlik standardı geliştirmek üzere bir çalışma grubuna katıldı. Standardın taslak versiyonu olan ISO 25785-1, şu anda robotik alanını denetleyen bir teknik komite tarafından değerlendirilmektedir. Komite onay verdikten sonra, taslak uluslararası standart, ISO'nun 89 oy kullanan ülkesi tarafından oylanacaktır.
İnsan vücutlarıyla çok yakın çalışan bazı robotlar, güvenlik nedenleriyle sınırlı otonomiye sahiptir. Kaliforniya, Sunnyvale merkezli bir cerrahi robotik şirketi olan Intuitive'de baş teknik program yöneticisi ve mühendislik lideri Bhushan Patel, “Cerrahi robotlar ameliyatları tam otonomi ile otomatik olarak gerçekleştirmezler” diyor. Bunun yerine, bu tür robotik cihazları “hala büyük ölçüde değişen düzeylerde akıllı yardımla insan tarafından yönlendirilen sistemler” olarak tanımlıyor.
Son Sınır: İnsan Vücutları
Bhushan, 1980'lerdeki ilk robotik teleserji konseptlerinin uzaydaki astronotlara yardım etmek için tasarlandığını IEEE Transmitter için yazdığı bir makalede belirtiyor. Ancak bu fikir kısa sürede Dünya'daki hastalar için robotik cerrahi prosedürlerine yol açtı, örneğin robot destekli radikal prostatektomi gibi, bu prosedür insan cerrahların robot kollarını kontrol ederek prostata bezinin tamamını veya bir kısmını çıkarmasını içeriyor.
Küçük aletlerle donatılmış bu tür cerrahi robotlar, cerrahların insan vücudunun kapalı alanlarında süper hassasiyetle minimum invaziv operasyonlar yapmalarını sağlıyor, örneğin kan damarlarında son derece hassas onarımlar yapmak veya komşu sinir demetlerine zarar vermekten kaçınarak hassas kesikler yapmak gibi.
1980'lerin sonlarından 2000'lerin başlarına kadar, insan cerrahlar hala ameliyatların planlanmasından uygulanmasına kadar her şeyi yapıyor ve robotik aletleri kontrol ediyorlardı. Bu durum, robotik sistemler, insan cerrahların robotik aletleri kontrol ederken daha hassas eylemler yapmalarını sağlayan otomatik hareket stabilizasyonu, hastaları veya personeli incitmekten kaçınmak için güvenli hareket sınırlarının zorunlu kılınması ve cerrahların vücut içindeki farklı anatomik yapıları görsel olarak ayırt etmelerine yardımcı olan yapay zeka destekli bilgisayarlı görü gibi destekleyici yetenekler sağlayarak birinci seviye otonomi kazandıkça değişmeye başladı.
Elektrik ve Elektronik Mühendisleri Enstitüsü (IEEE) kıdemli üyesi de olan Bhushan, “Soru robotun otonom olup olmadığı değil. Soru, karar verme ve eylem yürütmenin ne kadarının makineye karşı insana devredildiği.”
Daha otonom yeteneklere sahip cerrahi robotlar, en deneyimli ve yetenekli insan cerrahlardan bile daha fazla tutarlılık ve hassasiyet sağlayabilir. Bu, hastalar için daha hızlı ameliyatlar ve daha düşük komplikasyon oranları sağlayabilir. En uç senaryolarda, bu tür cerrahi robotlar Dünya'nın uzak bölgelerinde veya insan cerrahların bulunmadığı uzay görevlerinde tıbbi bakım sağlayabilir.
Bhushan, çoğu ticari robotik cerrahi sisteminin hala birinci seviye otonomide olduğunu belirtiyor. Ancak bazı sistemler, insan cerrahlar tarafından atanan belirli, önceden programlanmış görevleri yerine getirerek ikinci seviye otonomiye ulaştı: otomatik dikiş, kamera takibi, kemik frezeleme ve önceden tanımlanmış kesme yörüngeleri.
Sıradaki seviye üçüncü seviye otonomidir; burada robotlar görüntüleme yapabilir, prosedür planları oluşturabilir, hareket yörüngelerini uyarlayabilir ve ameliyatlar sırasında insan dokusu hareketlerine dinamik olarak yanıt verebilir – tüm bu eylemler zorunlu cerrah onayını gerektirir. Bhushan, “Şirketler bunu başarmak için milyarlar harcıyor… ancak bugün FDA onaylı sistemlerin çok küçük bir kısmı üçüncü seviye yeteneğe yaklaşıyor.”
Sadece “gerçek zamanlı akıl yürütme” ve “sürekli ortam anlayışı” ile dördüncü seviye otonomi, robotun “teorik olarak bir ameliyatın büyük bölümlerini bağımsız olarak gerçekleştirmesine izin verecektir, cerrah ise daha çok bir denetleyici gibi hareket edecektir” diyor Bhushan. Ancak, robotun kanama, doku deformasyonu ve hasta anatomisindeki varyasyonlar gibi beklenmedik komplikasyonlarla başa çıkması gerekeceği için, bu tür otonominin hala “çok iddialı” bir araştırma laboratuvar hedefi olduğu konusunda uyarıyor.
Son olarak, beşinci seviye otonomiye sahip bir robot, bir cerrahın yapabileceği hemen hemen her şeyi bağımsız olarak yapabilir. Ancak Bhushan, “klinik olarak konuşlandırılmış hiçbir sistemin bugün buna yakın olmadığını” belirtiyor.
Bhushan, klinisyenlerin ve hastaların, tüketici robotik için göz ardı edilebilecek robot hatalarını tolere etme olasılığının çok daha düşük olduğunu söylüyor. Cerrahi robotik için otonomideki her adım ileri, aynı zamanda işletme odası verimliliğini ve robotik sistemleri satın alma ve bakımının karmaşıklığını ve maliyetlerini haklı çıkaran klinik sonuçları da iyileştirmelidir. Ekonominin aynı pratik testi, daha otonom, genel amaçlı robotları insan iş yerlerinde ve evlerinde konuşlandırmak isteyen herhangi bir şirketi bekliyor.
Gelecek Nesli İlham Vermek
Hurst, robotik alanının büyük yapay zeka modellerinin hızlı yükselişiyle ortaya çıkan ChatGPT anına benzer bir ana sahip olmasa da, mevcut yapay zeka patlamasının genel olarak robotik araştırma ve geliştirilmesine büyük fayda sağladığını düşünüyor. Bazı robotik zorlukları daha çözülebilir hale getirerek, en son yapay zeka teknikleri daha fazla insanı profesyonel kariyerlerini robotik alanına adamaları için ilham verdi.
Hurst, “Robotik alanında doktora yaparken, gezegende robotik alanında doktorası olan 100'den az kişi vardı ve Carnegie Mellon ile Georgia Tech ülkedeki tek robotik programlardı. Şimdi benim kurucu ortağı olduğum Oregon State'de bir tane var ve şimdi başka 30 tane var ve binlerce lisansüstü öğrenci robotik ve yapay zeka alanına giriyor ve milyarlarca dolar bu alana yatırılıyor.”
Bu, daha fazla otonom robotun dünyaya girmesini sağlayan “kendi kendini gerçekleştiren bir kehanet” yaratabilir. Hurst, çünkü “gerçekten motive olmuş, heyecanlı ve yetenekli mühendislerin tüm yaşam çabalarını profesyonel olarak bu alana adaması bunu gerçekleştirecek.”
Böyle bir kişi, Purdue Üniversitesi'nde bilgisayar bilimi alanında doktorasını sürdüren ve aynı zamanda ABD Ordusu DevCom Ordu Araştırma Laboratuvarı'nda robotları test eden Dipam Patel.
Ordu Araştırma Laboratuvarı çalışmaları, robotların deprem felaketlerinin ardından arama-kurtarma senaryolarında engellerle dolu bilinmeyen arazileri kat etmesini eğitmeye odaklandı. Hatta üstünde robot kolu olan dört ayaklı robotların engelleri kavrayarak onları kenara iterek “etkileşimli navigasyon” yapma yeteneklerini bile test etti.
Deprem enkazında ilerlemek ve nesneleri kenara itmek, insan kurtarma görevlileri için doğal bir davranıştır. Ancak robotlar, bir robotun pekiştirmeli öğrenme yoluyla eğitilmiş yapay zeka modeli yeni görevleri öğrenmeye başlarken önceden öğrenilmiş bir yeteneği üzerine yazabileceği “felaket unutma” gibi uzun vadeli ufuklara sahip çok adımlı görevleri güvenilir bir şekilde yerine getirme konusunda zorluklarla karşılaşıyor.
Robotların ayrıca yeni ortamlarda gerektiği gibi performans göstermeleri için yeterli yerleşik bilgi işlem donanımı ve sensörleri taşımaları gerekiyor; dış kameralara ve sensörlere güvenmeleri veya bilgi işlem görevlerini bulut sunucularına aktarma lüksüne sahip olmaları gerekmiyor. Patel, “Robotun tüm işleri herhangi bir dış bağımlılık olmadan kendi başına yapabilmesi gerekiyor. Ancak o zaman genel amaçlı robotlara doğru ilerleyebiliriz.”
Ayrıca IEEE'de lisansüstü öğrenci üyesi olan Patel, hem dört ayaklı “robot köpekler” hem de yatırımcılar ve genel halk arasında büyük heyecan uyandıran insansı robotlar için bütünsel kontrol şemaları geliştirme konusunda daha geniş çalışmalar yaptı. Ancak Physical Intelligence'taki Levine gibi, robotik formun en mantıklı olduğuna dair pragmatik bir yaklaşım benimsiyor.
Patel, “İnsanlar, ‘insansı bir robota ihtiyacımız var’ diyorlar ama gerçekten buna ihtiyacımız yok. Biz sadece iş yapabilen bir robota ihtiyacımız var.”
Bu hikaye, Agility'nin Digit robotunun insan çalışanlar etrafında nasıl çalışacağına dair ek bilgi sağlamak üzere 7 Temmuz 2026'da güncellenmiştir.
