Merged Reality

Birleştirilmiş Gerçeklik (MR), Karma Gerçeklik olarak da yaygın biçimde bilinir ve fiziksel dünyanın bilgisayar tarafından oluşturulan dijital içerikle birleşimini ifade eder. Yalnızca sanal veya artırılmış ortamların aksine birleştirilmiş gerçeklik, fiziksel ve dijital nesnelerin gerçek zamanlı olarak bir arada bulunduğu ve etkileşim kurduğu kesintisiz bir alan oluşturur. Bu teknoloji, gerçek dünya ortamını doğru biçimde haritalamak için büyük ölçüde gelişmiş computer vision ve uzamsal bilişime dayanır; böylece dijital varlıklar fiziksel yüzeylere sabitlenebilir ve fiziksel değişikliklere tepki verebilir. Sensörlerden, kameralardan ve derin öğrenme algoritmalarından yararlanan MR sistemleri; derinliği, geometrik yapıyı ve aydınlatmayı anlayarak kullanıcının gerçek çevresinde somut ve gerçekliğe dayalı hissettiren sürükleyici deneyimler oluşturabilir.

Yapay Zeka ve Makine Öğrenimindeki Önemi#

Birleştirilmiş gerçekliğin gelişimi, yapay zekadaki ilerlemelerle doğrudan bağlantılıdır. Dijital ve fiziksel dünyaları başarıyla birleştirmek için bir sistemin ortamı gelişmiş bir biçimde anlaması gerekir. Görsel algı görevleri bu noktada kritik hâle gelir. Nesne algılama gibi teknikler sistemin mobilyaları veya insanları tanımasını sağlarken eşzamanlı konumlandırma ve haritalama (SLAM) cihazın bu nesnelere göre kendi konumunu takip etmesini sağlar.

Modern MR uygulamaları, karmaşık duyusal verileri anında işlemek için derin öğrenme modellerinden yararlanır. Örneğin poz tahmini, el hareketlerini hareketle kontrol için izlemek ve fiziksel denetleyici ihtiyacını ortadan kaldırmak amacıyla kullanılır. Ayrıca semantik segmentasyon, sistemin zemin, duvar ve masa arasındaki farkı ayırt etmesine yardımcı olarak dijital bir karakterin masanın içinden süzülmek yerine zeminde yürümesini sağlar.

Gerçek Dünya Uygulamaları#

Birleştirilmiş gerçeklik, sürükleyici simülasyonlar aracılığıyla verimliliği ve eğitimi geliştirerek sektörleri dönüştürüyor.

• Endüstriyel Bakım ve Eğitim: Üretim sektöründe teknisyenler, fiziksel makinelerin üzerine dijital şemalar yansıtan MR başlıkları takar. Bir çalışan belirli bir motor parçasına baktığında sistem, bileşeni tanımlamak ve onarım talimatlarını veya tork değerlerini doğrudan parça üzerinde görüntülemek için gerçek zamanlı çıkarımdan yararlanır. Eller serbest bu yönlendirme hataları azaltır ve karmaşık görevleri hızlandırır.
• Tıbbi Cerrahi ve Planlama: Cerrahlar, operasyonlar sırasında 3B tıbbi görüntüleme taramalarını (MRI veya CT verileri gibi) doğrudan hastanın vücudunun üzerine yansıtmak için MR'dan yararlanır. Bu, büyük kesiler açmadan iç anatomiyi hassas biçimde görselleştirmeyi sağlar. Segmentasyon modellerinin entegre edilmesiyle sistem, belirli organları veya tümörleri gerçek zamanlı olarak vurgulayabilir; bu da navigasyona yardımcı olur ve cerrahi sonuçları iyileştirir.

Temel Terimleri Ayırt Etme#

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

• Artırılmış Gerçeklik (AR): AR, genellikle derin bir uzamsal etkileşim olmadan dijital bilgileri bir kamera görüntüsünün (akıllı telefon filtresi gibi) üzerine bindirir. MR ise dijital nesnelerin gerçek dünyayla fiziksel olarak etkileşime girmesini sağlayarak daha ileri gider (örneğin dijital bir topun gerçek bir masadan sekmesi).
• Sanal Gerçeklik (VR): VR, fiziksel dünyayı tamamen engelleyerek bütünüyle yapay bir ortam oluşturur. MR ise kullanıcıyı fiziksel ortamında tutarken bu ortamı zenginleştirir.

MR için Computer Vision Uygulama#

Dijital içeriği sabitlemek üzere yüzeyleri veya nesneleri algılamak gibi bir MR sisteminin temel bir bileşenini oluşturmak için geliştiriciler genellikle yüksek hızlı algılama modelleri kullanır. Ultralytics YOLO26 modeli, gerçeklik yanılsamasını korumak için gerekli olan düşük gecikme süresi ve yüksek doğruluğu sayesinde bu amaç için özellikle uygundur.

Aşağıdaki örnek, bir video akışı üzerinde örnek segmentasyonunun nasıl gerçekleştirileceğini gösterir. 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.")

Birleştirilmiş Gerçekliğin Geleceği#

Donanım hafifledikçe ve uç bilişim yetenekleri geliştikçe MR'ın yaygınlaşması bekleniyor. Üretken yapay zekanın entegrasyonu, muhtemelen MR ortamlarının kendilerini dinamik olarak doldurmasını ve gerçek dünya alanlarının dijital ikizlerini otomatik olarak oluşturmasını sağlayacak. Ultralytics Platform gibi araçlarla geliştiriciler, bu birleştirilmiş ortamlar içindeki belirli nesneleri tanımak üzere özel modelleri kolayca eğitebilir ve üç boyutlu uzayda bilgilerle etkileşim kurma biçimimizin sınırlarını genişletebilir.