Merged Reality

Birleştirilmiş Gerçeklik (MR), yaygın olarak Karma Gerçeklik olarak da bilinir, fiziksel dünyanın bilgisayar üretimi dijital içerikle buluşmasını tanımlar. Kesinlikle 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 haritalandırmak için gelişmiş computer vision ve uzaysal bilişime büyük ölçüde güvenir; bu da dijital yapıların fiziksel yüzeylere sabitlenmesine ve fiziksel değişikliklere yanıt vermesine olanak tanır. Sensörler, kameralar ve derin öğrenme algoritmalarından yararlanılarak MR sistemleri derinliği, geometrisi ve aydınlatmayı anlayabilir, kullanıcının gerçek çevresinde somut ve temelli hissettiren sürükleyici deneyimler yaratabilir.

Yapay Zeka ve Makine Öğrenimindeki Önemi#

Birleştirilmiş gerçekliğin evrimi, yapay zekadaki gelişmelerle içten içe bağlantılıdır. Dijital ve fiziksel dünyaları başarılı bir şekilde birleştirmek için bir sistemin ortam hakkında sofistike bir anlayışa sahip olması gerekir. visual perception tasks tam da bu noktada kritik hale gelir. object detection gibi teknikler sistemin mobilyaları veya insanları tanımasını sağlarken, SLAM (Simultaneous Localization and Mapping) cihazın bu nesnelere göre kendi konumunu takip etmesini mümkün kılar.

Modern MR uygulamaları, karmaşık duyusal verileri anında işlemek için deep learning models kullanır. Örneğin, fiziksel kontrol cihazlarına olan ihtiyacı ortadan kaldırarak jest kontrolü için el hareketlerini takip etmek üzere pose estimation kullanılır. Dahası, semantic segmentation sistemin bir zemini, duvarı ve masayı birbirinden ayırt etmesine yardımcı olarak dijital bir karakterin bir masanın içinden süzülmek yerine zeminde yürümesini sağlar.

Gerçek Dünya Uygulamaları#

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

• Endüstriyel Bakım ve Eğitim: manufacturing alanında teknisyenler, dijital şemaları fiziksel makinelerin üzerine bindiren MR başlıkları takarlar. Bir çalışan belirli bir motor parçasına baktığında sistem, bileşeni tanımlamak ve onarım talimatlarını veya tork özelliklerini doğrudan parça üzerinde görüntülemek için real-time inference kullanır. Bu eller serbest rehberlik hataları azaltır ve karmaşık görevleri hızlandırır.
• Tıbbi Cerrahi ve Planlama: Cerrahlar, ameliyat sırasında 3D medical imaging taramalarını (MRI veya CT verileri gibi) doğrudan hastanın vücudunun üzerine bindirmek için MR kullanır. Bu, büyük kesiler yapmadan iç anatomisinin hassas bir şekilde görselleştirilmesini sağlar. segmentation models entegre edilerek sistem belirli organları veya tümörleri gerçek zamanlı olarak vurgulayabilir, navigasyona yardımcı olabilir ve cerrahi sonuçları iyileştirebilir.

Temel Terimleri Ayırt Etme#

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

• Augmented Reality (AR): AR genellikle derin uzaysal etkileşim olmaksızın dijital bilgileri bir kamera akışının üzerine (akıllı telefon filtresi gibi) bindirir. MR, dijital nesnelerin gerçek dünyayla fiziksel olarak etkileşime girmesini sağlayarak (örneğin gerçek bir masadan seken dijital bir top) daha da ileri gider.
• Virtual Reality (VR): VR, fiziksel dünyayı tamamen dışarıda bırakarak tamamen yapay bir ortam yaratır. MR ise kullanıcıyı fiziksel ortamında tutarken onu geliştirir.

MR İçin Bilgisayarlı Görü Uygulama#

Dijital içeriği sabitlemek için yüzeyleri veya nesneleri algılamak gibi bir MR sisteminin temel bileşenini oluşturmak amacıyla geliştiriciler genellikle yüksek hızlı algılama modelleri kullanır. Ultralytics YOLO26 modeli, gerçeklik illüzyonunu korumak için esansiyel olan düşük gecikmesi ve yüksek doğruluğu sayesinde bunun için özellikle uygundur.

Aşağıdaki örnek, bir video akışında instance segmentation işleminin nasıl gerçekleştirileceğini gösterir. 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.")

Birleştirilmiş Gerçekliğin Geleceği#

Donanım hafifledikçe ve edge computing yetenekleri geliştirdikçe MR'ın her yerde yaygınlaşması bekleniyor. generative AI entegrasyonu, muhtemelen MR ortamlarının dinamik olarak kendilerini doldurmasına izin vererek gerçek dünya alanlarının digital twins otomatik olarak oluşturacaktır. Ultralytics Platform gibi araçlarla geliştiriciler, üç boyutlu uzayda bilgiyle etkileşim kurma biçimimizin sınırlarını zorlayarak bu birleştirilmiş ortamlar içinde belirli nesneleri tanımak için özel modelleri kolayca eğitebilir.