Physical AI
Fiziksel yapay zekâ; robotların, araçların ve diğer makinelerin gerçek dünyayı algılamasını, onun hakkında akıl yürütmesini ve dünyada eyleme geçmesini sağlar. Bileşenleri, eğitimi ve kullanım alanları.
Fiziksel yapay zekâ, bir beden aracılığıyla fiziksel dünyayı algılayan, bu dünya hakkında akıl yürüten ve eyleme geçen yapay zekâdır (AI): robotlar, dronlar, otonom araçlar ve akıllı endüstriyel makineler. Bir sohbet robotunun çıktısı ekrandaki metindir; fiziksel yapay zekâ sisteminin çıktısı ise sonucu sürtünmeye, yer çekimine, çarpışmalara ve yakındaki insanlara bağlı olan bir motor komutudur. Bu nedenle sistemin güvenle ve gerçek zamanlı olarak eyleme geçebilmesi için 3B uzamı ve neden-sonuç ilişkisini anlayabilmesi gerekir. NVIDIA bu terimi robotik ve simülasyon platformlarının merkezine yerleştirdi; büyük önceden eğitilmiş modeller gerçek robotları kontrol etmeye başladıkça terim yaygınlaştı. Fiziksel yapay zekâ, daha eski bir araştırma terimi olan bedenlenmiş yapay zekâ ile neredeyse eş anlamlıdır; fiziksel yapay zekâ terimi sektörde daha yaygındır.
Fiziksel Yapay Zekâ Sistemleri Nasıl Çalışır?#
Her fiziksel yapay zekâ sistemi, saniyede birçok kez algılama ve eyleme geçme arasında bir döngü kurar:
- Algılama: Kameralar, lidar, radar, atalet ölçüm birimleri, eklem kodlayıcıları ve kuvvet sensörleri hem dünyayı hem de makinenin kendi durumunu ölçer.
- Algı: Görsel modeller ham pikselleri, bir planlayıcının üzerinde akıl yürütebileceği nesnelere, derinliğe, pozlara ve haritalara dönüştürür.
- Karar verme: Planlayıcılar, öğrenilmiş politikalar veya büyük robot temel modelleri sonraki eylemi seçer.
- Harekete geçirme: Motorlar, tutucular, tekerlekler ve frenler eylemi gerçekleştirir; sensörler sonraki adımda eylemin etkisini ölçer.
Sensör füzyonu farklı sensörlerin güçlü yönlerini birleştirir; bilgisayarlı görü algılama işinin büyük bölümünü üstlenir. Kararlar model öngörülü kontrol gibi denetleyicilerden, pekiştirmeli öğrenmeyle eğitilen politikalardan veya robot temel modellerinden gelir. Bu temel modellerde karar verme, giderek daha çok talimatları ve sahneyi yorumlayan yavaş bir modelle motor komutları üreten hızlı bir model arasında bölüştürülüyor. NVIDIA'nın açık GR00T N1 insansı robot modeli de bu yaklaşıma örnektir: Bir görsel dil modelini ayrı bir eylem modülüyle eşleştirir:
Görsel-dil-eylem (VLA) modelleri iki rolü tek bir ağda birleştirir. Google DeepMind'ın RT-2 modeli, 2023'te robot eylemlerini belirteçler olarak üretmek üzere ince ayar yapılmış bir görsel dil modelinin web verilerindeki bilgiyi kontrole aktarabildiğini gösterdi. Physical Intelligence'ın π0 modeli, difüzyon politikalarına benzer biçimde, gelecekteki birçok adıma ait yumuşak eylem parçalarını aynı anda üreten bir akış eşleştirme eylem uzmanı ekler. Google DeepMind'ın Gemini Robotics modelleri ise bu yaklaşımı origami katlama gibi çok adımlı ve el becerisi gerektiren görevlere genişletir.
Algılamadan Eyleme Kodla#
Algılama, döngünün ilk halkasıdır ve hızı makinenin ne kadar hızlı tepki verebileceğini belirler. Ultralytics YOLO26, bu uç rol için tasarlanmıştır ve TensorRT dışa aktarımından sonra NVIDIA Jetson gibi robot bilgisayarlarında çalışır. Bu örnek, bir kamera karesindeki insanları algılar ve en yüksek güven skoruna sahip algılamayı, görsel servo kontrolün en basit biçimi olan oransal denetleyiciyle bir yönlendirme komutuna dönüştürür:
from ultralytics import YOLO
model = YOLO("yolo26n.pt")
# Perceive: detect people (COCO class 0) in the robot's camera frame
results = model("https://ultralytics.com/images/bus.jpg", classes=[0])
result = results[0]
# Act: steer toward the most confident person with a proportional controller
best = int(result.boxes.conf.argmax())
x_center = float(result.boxes.xywhn[best, 0]) # 0 = left edge of the frame, 1 = right edge
turn_rate = -1.5 * (x_center - 0.5) # rad/s; positive turns left, toward a person on the left
print(f"Person at {x_center:.2f} of frame width -> turn command {turn_rate:+.2f} rad/s")Seçilen kişinin karedeki yerini ve işareti robotu kişiye doğru yönlendiren, büyüklüğü ise ofset arttıkça artan bir dönüş komutunu yazdırır. Bir robotta aynı iki adım her kamera karesinde çalışır; böylece robot hedefe dönünce komut sıfıra iner.
Fiziksel Yapay Zekâyı Eğitme#
Veri en büyük darboğazdır: İnternette trilyonlarca sözcük bulunurken robotların eylemlerini kaydeden çok az görüntü vardır ve her kayıt tek bir robotun gövdesine ve sensörlerine bağlıdır. Ekipler, insanların sensör ve komutları kaydedilirken robotu bir görev boyunca yönlendirdiği uzaktan işletim gösterimleri toplar ve bunları taklit edecek politikalar eğitir. NVIDIA Isaac Lab gibi fizik simülatörleri, simülasyonla gerçeklik arasındaki farkı azaltmak için fizik ve görünüm üzerinde alan rastgeleleştirmesi uygulayarak binlerce robotu derin pekiştirmeli öğrenme için paralel olarak çalıştırır. İşlenmiş sahneler ve dijital ikizler, algılama modelleri için nadir durumlara ait etiketli sentetik veriler sağlar; dünya modelleri ise kaydedilmiş sahnelerin, örneğin aynı sokağın yağmurlu veya gece hâlinin yeni varyasyonlarını üretir.
Gerçek Dünya Uygulamaları#
- Lojistik: Otonom mobil robotlar, kendilerinin oluşturduğu haritalarla depolarda gezinir ve insanların ve forkliftlerin çevresinden dolaşmak için rotalarını değiştirir; otomatik yönlendirmeli araçlar ise sabit rotaları izler.
- Üretim: Görüş destekli kollar, rastgele yığılmış parçaları seçer, bileşenleri birleştirir ve kendi işlerini denetler; insansı robotlar da kasaları ve parçaları taşıdıkları pilot uygulamalarda kullanılır.
- Sağlık hizmetleri: 2025'te cerrah videolarıyla eğitilen Johns Hopkins SRT-H robotu, kollarını bir insan kontrol etmeden ve sözlü düzeltmelere yanıt vererek, ex vivo sekiz domuz safra kesesinde safra kesesi çıkarma ameliyatının önemli bir aşamasını gerçekleştirdi.
- Tarım: Hasat ve yabani ot temizleme robotları, kameralarla tek tek bitkileri tanımlar ve her bitki üzerinde ayrı ayrı işlem yapar; örneğin tarlanın tamamına ilaç sıkmak yerine bir yabani otu temizler.
- Sürüş: Robotaksi filoları ve sürücü destek sistemleri, trafiği algılayıp aracı saniyede birçok kez kontrol eden, kullanıma alınmış en büyük fiziksel yapay zekâ filolarıdır.
Fiziksel Yapay Zekâ ve İlgili Terimler#
- Robotik: Mekanik, elektronik ve kontrol dâhil robot tasarlama ve üretme mühendisliği alanıdır. Fiziksel yapay zekâ, algılayan ve karar veren öğrenilmiş zekâdır; robot olarak adlandırılmayan araçlarda ve makinelerde de çalışır.
- Üretken yapay zekâ: Metin, görüntü, video ve kod üretir. Robot hareketleri üreten difüzyon modellerinden eğitim sahneleri oluşturan dünya modellerine kadar, teknikleri artık fiziksel yapay zekâya da güç veriyor.
- Uzamsal zekâ: 3B uzamı, nesneleri ve aralarındaki ilişkileri anlama ve bunlar üzerine akıl yürütme becerisidir; fiziksel yapay zekânın dayandığı bir yetenektir.
- Uç yapay zekâ: Modelleri doğrudan cihazın kendisinde çalıştırmaktır. Fiziksel yapay zekâ neredeyse her zaman uç yapay zekâdır; çünkü bir robot fren yapmadan önce ağ gidiş dönüşünü bekleyemez.










