RLWRLD'den İnsansı Robotlar İçin 'Beceri Odaklı' Temel Model

Fiziksel yapay zeka alanında uzmanlaşan RLWRLD, insansı robotların hassas manipülasyon yeteneklerini geliştirmek amacıyla tasarlanan yeni temel modeli RLDX-1'i San Francisco'da düzenlenen "Dexterity Night" etkinliğinde tanıttı. "Önce Beceri" (Dexterity-First) felsefesiyle geliştirilen model; nesneleri kavrama, sıvı boşaltma ve araç kullanımı gibi temas odaklı, karmaşık görevlerin başarıyla yerine getirilmesini hedefliyor.

RLDX-1'in çok yönlülüğünü kanıtlayan şirket, modelin WIRobotics Allex insansı robotu, Franka Research 3 ve OpenArm gibi farklı robot gövdelerinde sorunsuz çalıştığını duyurdu. Nvidia'nın robotik ekosistemi ve uç yapay zeka ürünleri sorumlusu Amit Goel, etkinliğe katılarak RLWRLD'nin Nvidia tarafından inşa edilen fiziksel yapay zeka ekosisteminin temel ortaklarından biri olduğunu vurguladı.

Teknik altyapısı tamamen Nvidia stack üzerinde yükselen RLDX-1; simülasyon için Nvidia Isaac GR00T, Isaac Lab, Isaac Sim ve cuRobo'dan, eğitim için Hopper GPU'lardan, çıkarım süreçleri için ise Nvidia Jetson AGX Thor ve TensorRT'den faydalanıyor. Etkinlik ayrıca WIRobotics, Enactic, Origami Robotics ve Proception AI gibi sektör liderlerini bir araya getirerek, hassas manipülasyon odaklı yeni bir stratejik ittifakın sinyallerini verdi.

RLWRLD CEO'su Junghee Ryu, mevcut robotik yapay zekanın "görme" ve "konuşma" aşamalarında takılı kaldığını belirterek, robotların fabrikalarda, mutfaklarda ve depolarda gerçek işler yapabilmesi için dokunma, kavrama ve hissetme yeteneklerinin kritik olduğunu ifade etti. RLDX-1, tam olarak bu boşluğu doldurmak için sıfırdan tasarlandı.

Modelin performans sonuçları, sektördeki mevcut standartları geride bıraktığını gösteriyor. KAIST profesörü ve RLWRLD baş bilim insanı Jinwoo Shin tarafından sunulan verilere göre; RLDX-1, GR-1 Tabletop testlerinde Isaac GR00T N1.6'yı %10,7 farkla geçti. RoboCasa Mutfak testlerinde ise 70,6 puan alarak, uzun süreli ve temas odaklı bu benchmark'ta 70 puan barajını aşan dünyadaki ilk Görsel-Dil-Eylem (VLA) modeli oldu. Ayrıca, WIRobotics Allex robotuyla gerçekleştirilen kahve doldurma testlerinde %70,8 başarı oranına ulaşarak rakip modellerin yaklaşık iki katı performans sergiledi.

RLDX-1'in başarısının arkasındaki temel inovasyon, "Çok Akışlı Eylem Transformatörü" (Multi-Stream Action Transformer - MSAT) mimarisi. Bu mimari; görme, dil, eylem, dokunma ve bellek sinyallerini bağımsız akışlar olarak işleyip ardından ortak dikkat (joint attention) mekanizmasıyla birleştiriyor. Bu tasarım, özellikle bir kaptan bardağa sıvı boşaltırken meydana gelen dinamik ağırlık değişimlerini algılamak gibi yüksek hassasiyet gerektiren görevler için hayati önem taşıyor.