Merged Reality

Birleştirilmiş Gerçeklik (MR), yaygın olarak Karma Gerçeklik olarak da bilinir ve fiziksel dünya ile bilgisayar tarafından oluşturulan dijital içeriğin birleşmesini tanımlar. Tamamen sanal veya artırılmış ortamlardan farklı olarak birleştirilmiş gerçeklik, fiziksel ve dijital nesnelerin gerçek zamanlı olarak bir arada var olduğu ve etkileşime girdiği kesintisiz bir alan yaratır. Bu teknoloji, gerçek dünya ortamını doğru bir şekilde haritalamak için büyük ölçüde gelişmiş bilgisayarlı görü ve uzamsal hesaplamaya dayanır, böylece dijital öğelerin fiziksel yüzeylere sabitlenmesine ve fiziksel değişikliklere tepki vermesine olanak tanır. Sensörlerden, kameralardan ve derin öğrenme algoritmalarından yararlanan MR sistemleri; derinliği, geometriyi ve aydınlatmayı anlayarak kullanıcının gerçek çevresinde somut ve temelli hissettiren sürükleyici deneyimler yaratır.

Link to this sectionYapay Zeka ve Makine Öğrenimindeki Önemi#

Birleştirilmiş gerçekliğin evrimi, yapay zekadaki gelişmelerle yakından bağlantılıdır. Dijital ve fiziksel dünyaları başarılı bir şekilde birleştirmek için bir sistemin çevreyi gelişmiş bir şekilde anlaması gerekir. İşte görsel algılama görevleri burada kritik hale gelir. Nesne algılama gibi teknikler, sistemin mobilyaları veya insanları tanımasını sağlarken, SLAM (Eşzamanlı Konumlandırma ve Haritalama) cihazın bu nesnelere göre kendi konumunu takip etmesine olanak tanır.

Modern MR uygulamaları, karmaşık duyusal verileri anında işlemek için derin öğrenme modellerinden yararlanır. Örneğin, poz tahmini, fiziksel kontrol cihazlarına olan ihtiyacı ortadan kaldırarak el hareketlerini jest kontrolü için izlemek amacıyla kullanılır. Ayrıca, anlamsal bölütleme sistemin zemin, duvar ve masa arasında ayrım yapmasına yardımcı olarak dijital bir karakterin masanın içinden geçmek yerine zeminde yürümesini sağlar.

Link to this sectionGerçek Dünya Uygulamaları#

Birleştirilmiş gerçeklik; sürükleyici simülasyonlar aracılığıyla üretkenliği ve eğitimi geliştirerek endüstrileri dönüştürüyor.

• Endüstriyel Bakım ve Eğitim: Üretim alanında teknisyenler, dijital şemaları fiziksel makinelerin üzerine bindiren MR başlıkları kullanırlar. Bir çalışan belirli bir motor parçasına baktığında sistem, gerçek zamanlı çıkarım kullanarak bileşeni tanımlar ve onarım talimatlarını veya tork özelliklerini doğrudan parça üzerinde görüntüler. Bu eller serbest rehberlik, hataları azaltır ve karmaşık görevleri hızlandırır.
• Tıbbi Cerrahi ve Planlama: Cerrahlar, operasyon sırasında 3D tıbbi görüntüleme taramalarını (MRI veya CT verileri gibi) doğrudan hastanın vücudu üzerine bindirmek için MR'ı kullanırlar. Bu, büyük kesiler yapmadan iç anatomiyi hassas bir şekilde görselleştirmeye olanak tanır. Bölütleme modellerini entegre ederek sistem, belirli organları veya tümörleri gerçek zamanlı olarak vurgulayabilir, böylece navigasyona yardımcı olur ve cerrahi sonuçları iyileştirir.

Link to this sectionTemel Terimleri Ayırt Etme#

Birleştirilmiş Gerçekliği, "XR" (Genişletilmiş Gerçeklik) spektrumundaki ilgili kavramlardan ayırmak önemlidir:

• Artırılmış Gerçeklik (AR): AR genellikle derin bir uzamsal etkileşim olmaksızın dijital bilgileri bir kamera beslemesi üzerine bindirir (akıllı telefon filtresi gibi). MR, dijital nesnelerin gerçek dünyayla fiziksel olarak etkileşime girmesini sağlayarak (örneğin, gerçek bir masadan seken dijital bir top) daha ileri gider.
• Sanal Gerçeklik (VR): VR, fiziksel dünyayı tamamen engelleyerek tamamen sentetik bir ortam yaratır. MR ise kullanıcıyı fiziksel ortamında tutarken aynı zamanda bu ortamı geliştirir.

Link to this sectionMR İçin Bilgisayarlı Görü Uygulama#

Yüzeyleri veya nesneleri algılamak gibi bir MR sisteminin temel bileşenlerini oluşturmak amacıyla dijital içeriği sabitlemek için geliştiriciler genellikle yüksek hızlı algılama modelleri kullanırlar. Ultralytics YOLO26 modeli, gerçeklik illüzyonunu korumak için gerekli olan düşük gecikme süresi ve yüksek doğruluğu sayesinde bu iş için özellikle uygundur.

Aşağıdaki örnek, bir video akışında örnek bölütleme işleminin nasıl gerçekleştirileceğini göstermektedir. Bir MR bağlamında bu piksel düzeyindeki maske, dijital bir karakter için "yürünebilir" alanı tanımlayabilir.

from ultralytics import YOLO

# Load the YOLO26 segmentation model
model = YOLO("yolo26n-seg.pt")

# Predict on a video source to identify physical objects and their boundaries
# This data helps anchor digital assets to real-world objects
results = model.predict(source="room_scan.mp4", show=True, stream=True)

for result in results:
    # Process masks to determine occlusion or physics interactions
    if result.masks:
        print(f"Detected {len(result.masks)} physical segments for interaction.")

Link to this sectionBirleştirilmiş Gerçekliğin Geleceği#

Donanım hafifledikçe ve uç bilişim yetenekleri geliştikçe MR'ın her yerde bulunması bekleniyor. Üretken yapay zekanın entegrasyonu, muhtemelen MR ortamlarının kendilerini dinamik olarak doldurmasına ve gerçek dünya alanlarının dijital ikizlerini otomatik olarak oluşturmasına olanak tanıyacaktır. Ultralytics Platform gibi araçlarla geliştiriciler, bu birleştirilmiş ortamlardaki belirli nesneleri tanımak için kolayca özel modeller eğitebilir ve üç boyutlu alandaki bilgilerle etkileşim kurma yöntemlerimizin sınırlarını zorlayabilirler.