Fiziksel Yapay Zekanın Geleceği Robotlar Değil, Akıllı Arayüzler

Bir rüzgar türbini üzerinde çalışan ve emniyet kemeri bağlı olan bir teknisyenin, elleri anahtardayken belindeki tanı cihazına komut göndermesi gerektiğini hayal edin. Ya da bir yükleme alanındaki lojistik çalışanının, eldivenleri takılı ve gözleri paletlerdeyken bağlı bir asansörü yönlendirmek istemesini veya kalabalık bir caddede hareket destek cihazı kullanan birinin, telefonunu çıkarmadan veya yüksek sesle konuşmadan cihazı ileri itmek istemesini düşünün. Bu anların hiçbiri daha akıllı bir robota ihtiyaç duymuyor; aksine, halihazırda var olan makineler tarafından anlaşılmanın daha akıllı bir yoluna ihtiyaç duyuyor.

Fiziksel Yapay Zeka (Physical AI) dünyasında son üç yıl, döngünün robot tarafındaki olağanüstü ilerlemelerin hikayesiydi. Boston Dynamics, Figure ve Unitree gibi şirketler; aktüatörleri, lokomosyonu ve el becerilerini on yıl önce imkansız görünecek seviyelere taşıdı. Google DeepMind’ın Gemini Robotics projesi ise yapılandırılmamış ortamlarda görme-dil-eylem modellerinin neler yapabileceğini yeniden tanımladı. Donanım ve temel modellerin izlediği bu ivme gerçek ve hızlanmaya devam ediyor.

Ancak bu döngünün bir de diğer tarafı var ve bu taraf çok uzun süredir "çözülmüş bir sorun" olarak kabul edildi. İnsan ve makine arasındaki arayüz, son 40 yıldır varsayılan olarak üç giriş yöntemine hapsolmuş durumda: ekranlar, düğmeler ve ses. Bu yöntemlerin her biri, kullanıcının durabileceğini, aşağı bakabileceğini ve niyetini yapılandırılmış komutlara dönüştürebileceğini varsayıyor. Ancak işler gerçek dünyaya taşındığında —bir türbinin tepesine, bir yükleme rıhtımına veya bir kaldırıma çıktığında— bu varsayımlar çöker. Ellerin meşgul, gözlerin odaklanmış olduğu veya konuşmanın pratik olmadığı her ortamda geleneksel arayüz yığını sessizce başarısız olur.

Wetour Robotics, Fiziksel Yapay Zeka'daki bir sonraki mimari sıçramanın robotu daha yetenekli kılmakla değil, insanı hesaplama ağının "birinci sınıf bir düğümü" haline getirmekle ilgili olduğuna inanıyor. Şirket, insanın bağlı cihazların keyfini çıkardığı düşük gecikmeli ve yüksek sadakatli katılımı doğrudan sistemin içine entegre etmeyi hedefliyor. Mühendislerine göre, sadece bir jesti tanıyan bir bileklik veya sadece bir sahneyi tanıyan bir kamera yeterli değildir. Bir insanın ne yapmak üzere olduğuna dair bilgi; vücudunun uzaydaki konumu, gözlerinin nereye odaklandığı ve kaslarının neye hazırlandığı gibi birden fazla kanala dağılmıştır. Bu kanalların tek başına gözlemlenmesi belirsizliğe yol açar; niyetin güvenilir bir şekilde yeniden oluşturulması için bu kanalların işletim sistemi düzeyinde birleştirilmesi gerekir.

Wetour Robotics, bu yaklaşımı "Uzamsal Niyet Füzyonu" (Spatial Intent Fusion) olarak adlandırıyor. Bu teknoloji; uzamsal konum, görsel bağlam ve jestsel niyetten oluşan üç farklı insan merkezli bilgi akışının eş zamanlı olarak işlenerek, herhangi bir bağlı fiziksel cihaz için gerçek zamanlı tek bir komuta dönüştürülmesidir. Şirketin dış dünyaya sunduğu basit slogan ise nettir: "Vücudunuz arayüzdür." Bu sistemin merkezinde, sensör füzyonu, niyet çıkarımı, komut çevirisi ve güvenlik denetimini yöneten işletim sistemini çalıştıran taşınabilir akıllı merkez "Orchestra" yer alıyor. Referans hesaplama platformu olarak kullanılan NVIDIA Jetson Orin Nano Super, tüm kontrol döngüsünü uç noktada (edge) tutacak kapasiteyi sağlayarak kritik yolda bulut bağımlılığını ortadan kaldırıyor. Biyosinyal alımından aktüatör komutuna kadar geçen toplam gecikme süresi, kontrolün doğal hissedilmesi için kritik olan 100 milisaniyenin altında tutuluyor.

Orchestra'nın mimarisi üç algı katmanı ve dört koordinasyon motorundan oluşuyor. İlk olarak VisionLink, kameralar aracılığıyla görsel ve uzamsal algıyı yöneterek nesneleri tanımlıyor, mesafeleri tahmin ediyor ve çevresel bağlamı izliyor. İkinci olarak Conductor, bileğe takılan bir cihazdan gelen ham yüzey elektromiyografi (sEMG) verilerini işliyor. sEMG'nin en dikkat çekici özelliği, sinyalin görünür hareketten önce gelmesidir; motor ünite aksiyon potansiyelleri, parmak hareketi tamamlanmadan yaklaşık 50 ila 80 milisaniye önce deri yüzeyinde belirir. Wetour Robotics bunu "hareket öncesi niyet algılama" olarak tanımlıyor ve bu sayede sistem, kullanıcı niyetine tepki vermek yerine onu öngörebiliyor.

Bu algı katmanlarının üzerinde Orchestra OS, dört farklı motor çalıştırır: Ham sensör akışlarını normalize eden "Algı Motoru", farklı modaliteler üzerinden uzamsal niyet füzyonunu gerçekleştiren "Niyet Motoru", niyeti cihaza özel komut dizilerine çeviren "Orkestrasyon Motoru" ve çelişen komutları denetleyip güvenlik sınırlarını zorlayan "Güvenlik Motoru".

Şirket, karşılaştığı mühendislik zorlukları konusunda da şeffaf bir tutum sergiliyor. Hareket halindeki kullanıcılarda sEMG sinyallerindeki kararlılık sorunu için, karmaşık ortamlarda sürekli kontrol yerine daha sağlam ve belirgin ayrık jestlere öncelik veriliyor. Uç yapay zeka hesaplamalarının minyatürleştirilmesi konusunda ise, tüm gün boyunca giyilebilir, termal tasarımı optimize edilmiş kompakt bir taşıyıcı kart ve batarya modülü çözümü geliştirildi. Üçüncü zorluk olan üçüncü taraf cihaz protokollerinin çeşitliliği ise, adaptif bir AI-ajan katmanı kullanılarak aşılıyor; böylece Orchestra OS, farklı protokolleri kullanan geniş bir cihaz yelpazesiyle sorunsuz iletişim kurabiliyor.

Bilgisayar dünyasının tarihi; komut satırlarından grafik arayüzlere, oradan dokunmatiğe ve sese geçişle şekillenen bir arayüz devrimleri tarihidir. Bir sonraki geçiş ise yeni bir ekran veya mikrofon değil, insan vücudunun hesaplama ağının aktif bir katılımcısı haline gelmesidir. Bu yol, insansı robotlar veya gömülü yapay zeka modelleriyle rekabet eden bir yol değil, aksine onları tamamlayan eksik parçadır. İnsansı sistemler için en büyük sorun olan "veri" açlığı, insanların bu döngüye dahil olmasıyla çözülebilir; çünkü insan ve fiziksel dünya arasındaki her doğal etkileşim, yeni nesil yapay zekaları eğitmek için değerli bir sinyale dönüşecektir.

Sonuç olarak, insanı hesaplama döngüsüne geri kazandırmak sadece bireysel kullanıcılar için daha iyi arayüzler sunmak değil, tüm Fiziksel Yapay Zeka ekosisteminin ilerlemesi için gereken gerçek dünya etkileşim verilerini üretmek anlamına geliyor. Robot tarafı ve insan tarafı iki rakip gelecek değil, aynı geleceğin iki yarısıdır. Wetour Robotics'in "Vücudunuz arayüzdür" vizyonu, tam olarak bu bütünleşmeyi hedeflemektedir.