Gerçek dünyada işe yarayan bir robot politikası oluşturmak artık bir bilgisayar problemi değil, bir veri problemidir. Yapay zekâ ekiplerinin modellerini beslemek için üç seçeneği vardır: uzaktan kumanda, simülasyon ve insan videosu. Her birinin farklı bir maliyet eğrisi, farklı bir doğruluk profili ve robotunuzun nihayetinde öğrenebileceği şeylerin farklı bir sınırı vardır. Yanlış birincil kaynağı seçmek, sonuçlarını öğrenmeden önce altı ay ve yedi haneli bir bütçeyi tüketebilir. Bu kılavuz, yapay zekâ için her veri kaynağını, nerede başarılı olduğunu, nerede başarısız olduğunu ve bunları üretim kalitesinde bir robot eğitim veri stratejisine nasıl entegre edeceğinizi ayrıntılı olarak ele almaktadır.
Önemli Noktalar
- Uzaktan kumanda en yüksek doğrulukta veri üretir ancak operatör saati başına 5-50 bölümle sınırlı kalır.
- Simülasyon milyonlarca bölümü ucuza üretebilir ancak simülasyon ile gerçek dünya arasında, temasın yoğun olduğu görevlerde başarısız olan bir uçurum yaratır.
- İnsan videosu kolayca ölçeklenebilir ancak robotik eylem etiketlerinden yoksundur ve somutlaştırma eksikliği taşır.
- Son araştırmalar, alan içi görevler için yaklaşık 8 simülasyon örneğinin, 1 uzaktan kumandalı örneğin değerini sağladığını göstermektedir.
- Üretimde kullanılan yapay zekâ tabanlı işlem hatlarının çoğu, tek bir kaynak seçmek yerine üç kaynağın tamamını bir araya getiriyor.
Somutlaştırılmış yapay zekada veri neden darboğaz oluşturuyor?
Yapay zekâda darboğaz veride yatıyor çünkü eylemle eşleştirilmiş sensörimotor veriler internet ölçeğinde mevcut değil. Bir dil modeli, web'den kazınmış bir trilyon metin belirtecini işleyebilir. Bir robot politikası, senkronize eklem açılarına, kavrama kuvvetlerine, kamera karelerine ve görev bağlamına ihtiyaç duyar; bunların hepsi fiziksel manipülasyon sırasında kaydedilir. Bunların hiçbiri ücretsiz olarak mevcut değil.
Ölçek farkı çok büyük. Dünya genelinde 3.9 milyondan fazla endüstriyel robot çalışıyor (IFR World Robotics, 2024), ancak en büyük açık robot manipülasyon veri seti yaklaşık 1 milyon bölüm içeriyor (Open X-Embodiment, Padalkar vd., 2023). Donanım her yerde; veri ise değil. Her yeni uygulama – tek kollu manipülatör, çift kollu insansı robot, kollu mobil taban – veri gereksinimlerini etkili bir şekilde yeniden belirliyor çünkü bir form faktöründe eğitilen politikalar nadiren diğerine sorunsuz bir şekilde aktarılıyor.
Somutlaştırma açığı: Bir robotun fiziksel konfigürasyonu üzerinde eğitilmiş bir politikanın farklı bir robota uygulanması durumunda ortaya çıkan performans kaybı.
Bu nedenle robot öğrenme ekipleri artık sadece veri toplama değil, veri stratejisi açısından düşünüyorlar. Uzaktan kumanda, simülasyon ve insan videosunun doğru karışımı, modelinizin neler yapabileceğini, ne kadar hızlı teslim edileceğini ve oraya ulaşmak için ne kadar harcama yapacağınızı belirler.
Uzaktan kumanda verisi nedir ve ne zaman kazanır?
Uzaktan kumanda verileri, bir insan operatörün bir robotu gerçek zamanlı olarak bir yönlendirme kolu, VR başlığı, dış iskelet veya bileğe takılan bir arayüz aracılığıyla kontrol etmesiyle kaydedilir; sistem ise her eklem açısını, kuvvet okumasını ve kamera karesini eş zamanlı olarak kaydeder.
Uzaktan kumanda: Manipülasyon sırasında kaydedilen senkronize sensörimotor verilerle bir robotun gerçek zamanlı insan kontrolü.
Uzaktan kumanda, doğruluk açısından üstünlük sağlar. Veriler, tam olarak aynı robot üzerinde aynı görevi gerçekleştiren yetenekli bir insan tarafından üretildiği için, eylem-durum eşleşmesi mükemmeldir ve somutlaştırma açığı sıfırdır. Taklit öğrenme, davranış klonlama ve politika ince ayarı, temiz uzaktan kumanda gösterimlerinden fayda sağlar.
Maliyet, ölçek büyüdükçe ortaya çıkıyor. Yetenekli bir teleoperatör, görev karmaşıklığına bağlı olarak saatte 5-50 bölüm üretiyor ve operatörler yoruldukça kalite düşüyor. Bir robot, bir operatör - bu tavan sınır ve bu nedenle ALOHA, UMI ve dış iskelet tabanlı insansı robotlar (AgiBot, Fourier GR-1) gibi açık platformların tümü, radikal ölçeklendirme yerine maliyet düşürmeye ve verimliliği artırmaya odaklanmıştır.
Shaip'in Fiziksel Yapay Zeka veri hizmetleri, robotik ekiplerinin operatör süreçlerini sıfırdan oluşturmak zorunda kalmaması için çok modlu toplama iş akışlarının yanı sıra uzaktan kumanda hücrelerini de çalıştırır.
Simülasyon verisi nedir ve ölçeklenebilirliği ne düzeydedir?
Simülasyon verileri, binlerce paralel örnek üzerinde görevleri yerine getiren sanal robotları işleyen fizik motorları (MuJoCo, NVIDIA Isaac Sim, Isaac Lab, PyBullet) tarafından üretilir. Tek bir GPU kümesi, neredeyse sıfır marjinal maliyetle bir gecede milyonlarca bölüm üretebilir.
Simülasyon, ölçeklenebilirlik ve güvenlik açısından üstünlük sağlar. Uç durumlar, çarpışma hataları ve tehlikeli konfigürasyonlar, donanımı bozmadan incelenebilir. Alan rastgeleleştirmesi (eğitim sırasında aydınlatma, dokular, sürtünme ve eklem sertliğinin rastgele değiştirilmesi), tek bir görsel konfigürasyona aşırı uyum sağlamak yerine, gerçek dünya varyasyonuna dayanabilen politikalar üretir.
Simülasyon-gerçek ortam farkı: Simülasyonda eğitilmiş bir politikanın fiziksel donanıma uygulandığında ortaya çıkan performans düşüşü; genellikle temas dinamikleri, sensör gürültüsü ve görsel doğruluk farklılıklarından kaynaklanır.
Maliyet, uygulama aşamasında ortaya çıkar. Simülatörler, nemli bir sabun kalıbının sürtünmesini, köpük ambalajın esnemesini veya floresan aydınlatma altında yansıtıcı metalin görsel değişimini modellemez. Temas yoğun görevler, simülasyondan gerçekliğe geçişin en sık bozulduğu yerlerdir. 2025 yılında yayınlanan bir araştırma, bu dengeyi nicel olarak ortaya koymuştur: yaklaşık 8 simülasyon örneği, alan içi manipülasyon görevleri için 1 uzaktan kumandalı örneğin sağladığı faydaya eşdeğerdir (Robotik Manipülasyon için Veri Kullanım Yasası, 2025).
NVIDIA Cosmos ve 3D Gaussian Splatting gibi fotogerçekçi işleme platformları görsel farkı kapatıyor, ancak dinamik fark (sürtünme, deformasyon, uyumluluk) daha zorlu bir sorun olmaya devam ediyor.
İnsan video verileri nedir ve neleri ortaya çıkarır?
İnsan video verileri, insanların çamaşır katlama, bulaşık istifleme, parça birleştirme gibi manipülasyon görevlerini yerine getirirken çekilmiş, egocentric kameralardan, gözetleme açılarından veya özel olarak hazırlanmış gösteri setlerinden kaydedilmiş görüntüleridir.
İnsan videoları maliyet ve çeşitlilik açısından avantaj sağlıyor. Akıllı telefonu olan tek bir kişi, bir öğleden sonra mutfaklarda, garajlarda, fabrikalarda ve ofislerde yüzlerce gösteriyi kaydedebilir. Robot gerekmez, laboratuvar gerekmez, operatör eğitimi gerekmez. İnsan videoları üzerinde önceden eğitilmiş büyük görüntü-dil modelleri, ince ayar yapılmadan önce robot politikalarına yararlı bir şekilde aktarılan genel sahne anlayışını edinir.
Sınırlama, eksik eylem etiketidir. Video, bir elin bir bardağı kavradığını gösteriyor; uygulanan kuvveti veya bir robot kolunun hareketi tekrarlamak için ihtiyaç duyacağı eklem açılarını kaydetmiyor. Ters dinamik modeller ve elden uç efektöre yeniden hedefleme, bu etiketleri kısmen çıkarabilir, ancak ortaya çıkan sözde eylemler gürültü içerir.
Bir mutfak robotu geliştiren bir girişim şirketini düşünün. Harcayacak 80,000 dolarları var. 20 saatlik yetenekli uzaktan kumanda ile hedef robotlarında 200 temiz bölüm elde edebilirler. Farklı ev mutfaklarından toplanan 20 saatlik video ise birkaç bin benmerkezci klip sağlayabilir. Telefon görüşmesi daha net, video seti daha geniş kapsamlı. Robotun her ikisine de, farklı eğitim aşamalarında farklı oranlarda ihtiyacı var.
Uzaktan kumanda, simülasyon ve insan videosu: yan yana karşılaştırma
| Boyut | teleoperasyon | Simulation | İnsan Videosu |
|---|---|---|---|
| Bölüm başına maliyet | Yüksek (operatör + robot süresi) | Çok düşük (sadece hesaplama) | Çok düşük (katkıda bulunanın zamanı) |
| çıktı | 5-50 bölüm/saat | GPU başına saatte binlerce işlem | Katkıda bulunan kişi başına saatte yüzlerce dolar |
| Vefa | En yüksek (sıfır somutlaşma boşluğu) | Orta (simülasyon-gerçeklik farkı) | Orta (eylem etiketleri yok) |
| Görev çeşitliliği | Operatörün çalışma saatleriyle sınırlıdır. | Çevre tasarımıyla sınırlı | En yüksek (gerçek dünya çeşitliliği) |
| İçin en iyisi | Hassas ayar, yoğun iletişim gerektiren görevler | Ön eğitim, uç durumlar, güvenlik | Ön eğitim, olay yeri anlayışı |
| Ana zayıflık | Ölçeklenmiyor | Simülasyondan gerçek hayata aktarım | Somutlaştırma yeniden hedefleme |
| Tipik üretim karışımı | Toplamın %5-20'si | Toplamın %60-80'si | Toplamın %10-30'si |
Yapay zekâ uygulamaları için doğru veri stratejisini nasıl seçersiniz?
Doğru robot eğitim verisi stratejisini seçmek, veri kaynağıyla değil, hedef dağıtım noktasıyla başlar. Bir fabrika yerleştirme robotu, bir ev robotu ve bir cerrahi asistanı, birbirinden çok farklı doğruluk, güvenlik ve somutlaştırma gereksinimlerine sahiptir ve bu nedenle ideal veri karışımları da birbirinden farklıdır. Özellikle insansı robotlar, insansı robot eğitim verileri kılavuzumuzda ayrıntılı olarak ele aldığımız kendi dağıtım öncesi taleplerini taşırlar.
Pratik üç adımlı bir çerçeve:
- Simülasyon ve insan videoları üzerinde ön eğitim yapın. Geniş kapsamlı sahneler, nesneler ve güvenlik uç durumları için simülasyon kullanın. Doğal manipülasyon ön bilgileri ve gerçek dünya görsel çeşitliliği için benmerkezci insan videosunu ekleyin. Bu aşama ucuz ve kapsamlıdır.
- Hedef somutlaştırma üzerinde uzaktan kumanda ile çalışan çapa. Konuşlandırmayı planladığınız robotla ilgili 500-2,000 adet yüksek kaliteli uzaktan kumanda bölümü toplayın. Bu aşama pahalıdır ancak yeri doldurulamaz; politikayı gerçek dinamiklere oturtur.
- Veri çarkı ile yineleme yapın. Devreye alındıktan sonra, otonom devreye alma işlemlerini ve başarısızlık durumlarını kaydedin. Bunları, yeni uzaktan kumanda ve insan videolarıyla birlikte bir sonraki eğitim döngüsüne geri besleyin.
Bunu bir şefi eğitmek gibi düşünün. Simülasyon, aşçılık okuludur; geniş kapsamlı, ucuz ve hataya toleranslıdır. İnsan videosu, binlerce yemek videosu izlemektir; geniş bağlam sunar, ancak kendi mutfağınız yoktur. Uzaktan kumanda ise, çalışacağınız gerçek mutfakta uygulamalı stajdır; yavaş, pahalı ve yeri doldurulamazdır. Ciddi hiçbir şef bu üçünden hiçbirini atlamaz.
Shaip'in çok modlu veri toplama ve açıklama iş akışları, üç katmanın tamamını desteklemek üzere tasarlanmıştır: uzaktan kumandalı hücre işlemleri, simülasyon etiketleme ve 500'den fazla küresel katılımcıdan oluşan bir ağ aracılığıyla egosantrik video toplama. Böylece robotik ekipleri, beş farklı tedarikçiyi bir araya getirmek zorunda kalmadan hibrit bir strateji uygulayabilirler.
Sonuç
2026'da uzaktan kumanda, simülasyon ve insan videosu tartışmasının net bir cevabı var: Bu bir seçim değil, bir yığın. Uzaktan kumanda size doğruluk sağlar. Simülasyon size ölçeklenebilirlik sağlar. İnsan videosu size çeşitlilik sağlar. Üretimde kullanılan yapay zeka süreçleri, dağıtım hedefi, somutlaştırma ve bütçeye göre ağırlıklandırılmış olarak bu üçünü bir araya getirir. Robot öğreniminde önümüzdeki on yılda başarılı olacak ekipler, en ucuz kaynağı seçenler değil, en akıllı karışımı yönetenler olacaktır.
Robot eğitimi için uzaktan kumanda verileri ile simülasyon verileri arasındaki fark nedir?
Uzaktan kumanda verileri, fiziksel bir robotun gerçek zamanlı insan kontrolü sırasında kaydedilir ve sıfır somutluk farkıyla yüksek doğrulukta eylem-durum çiftleri üretir. Simülasyon verileri, MuJoCo veya NVIDIA Isaac Sim gibi fizik motorlarında oluşturulur ve düşük maliyetle büyük ölçek sunar, ancak simülasyon ile gerçek dünya arasında bir fark yaratır. Uzaktan kumanda, bir politikayı ince ayar yapmak için en iyisidir, simülasyon ise ön eğitim ve uç durumlar için en iyisidir.
Bir robotun politikasını eğitmek için ne kadar uzaktan kumanda verisine ihtiyacınız var?
Uzaktan kumanda gereksinimleri, modelin önceden eğitilmiş mi yoksa sıfırdan mı eğitilmiş olduğuna bağlıdır. Simülasyon ve insan videosu üzerinde önceden eğitilmiş bir politika, hedef görev başına tipik olarak 500-2,000 uzaktan kumanda bölümüyle yakınsar. Ön eğitim olmadan, gereksinim 10,000'den fazla bölüme kadar keskin bir şekilde artar. Open X-Embodiment gibi farklı bedenlerdeki bireyleri kapsayan ön eğitim veri kümeleri, ince ayar aşamasında ihtiyaç duyulan uzaktan kumanda bütçesini önemli ölçüde azaltır.
İnsan videosu, bedenlenmiş yapay zekâ eğitiminde uzaktan kumandanın yerini alabilir mi?
İnsan videosu, taklit öğrenmenin gerektirdiği açık robot eylem etiketlerinden (kuvvet okumaları, eklem açıları, tutucu durumları) yoksun olduğu için teleoperasyonun yerini tamamen alamaz. Ters dinamik modeller kısmi eylem etiketlerini çıkarabilir, ancak bunlara dayalı olarak oluşturulan politikalar, gerçek teleoperasyon üzerinde ince ayar yapılan politikalardan daha düşük performans gösterir. İnsan videosu, teleoperasyonun ince ayar aşamasının altına katmanlandırılmış bir ön eğitim kaynağı ve sahne anlama ön bilgisi olarak en değerlidir.
Simülasyon ve gerçek hayat arasındaki fark nedir ve bu fark nasıl kapatılır?
Simülasyon-gerçek performans farkı, simülasyonda eğitilmiş bir politikanın fiziksel donanım üzerinde uygulanması sırasında meydana gelen performans düşüşüdür. Bu farkı kapatma yöntemleri arasında alan rastgeleleştirmesi (eğitim sırasında aydınlatma, dokular, sürtünme gibi unsurların değiştirilmesi), NVIDIA Cosmos gibi fotogerçekçi işleme platformları, sahne yeniden yapılandırması için 3D Gauss Splatting ve gerçek robotun fiziksel parametreleriyle eşleşen sistem tanımlama yer alır. Çoğu üretim hattı, birden fazla yöntemi ve bir uzaktan kumanda ince ayar aşamasını birleştirir.
2026 yılında insansı robot eğitiminde en iyi veri kaynağı hangisidir?
İnsansı robot eğitiminde en büyük faydayı katmanlı bir stratejiden alır: hareket ve tüm vücut kontrolü için simülasyon, hassas manipülasyon için dış iskelet tabanlı uzaktan kumanda ve doğal sahne ön bilgileri için büyük, egosantrik video veri kümeleri. AgiBot World ve Open X-Embodiment gibi açık veri kümeleri, farklı insansı robotlar arasında ön eğitim sağlarken, özel uzaktan kumanda hücreleri politikayı hedef insansı robotun özel kinematiklerine dayandırır.
