ICT Media
NVIDIA Research, bilgisayarlı görü ve yapay zekâ alanının önemli etkinliklerinden biri olan Conference on Computer Vision and Pattern Recognition kapsamında robotik, otonom sürüş ve dijital alan teknolojilerine yönelik üç yeni araştırmasını duyurdu.
Şirket farklı uygulama alanlarında geliştirilen bu çalışmaların ortak noktasının büyük ölçekli eğitim sayesinde yapay zekâ sistemlerinin yeni senaryolara uyum sağlama yeteneğini artırmak olduğunu belirtti. Duyurulan araştırmalar arasında robotların farklı nesneleri kavramasını sağlayan GraspGen-X, otonom araçların daha hızlı karar almasına odaklanan LCDrive ve sanal dünyalarda eğitilen yapay zekâ ajanları için geliştirilen NitroGen yer alıyor.
Robotlar için ilk kavrama temel modeli
NVIDIA’nın öne çıkardığı çalışmalardan biri olan GraspGen-X, şirket tarafından “sıfır atışlı (zero-shot) kavrama” yeteneğine sahip ilk temel model olarak tanımlanıyor. Geleneksel robotik sistemlerde her robot eli veya tutucu mekanizma için ayrı eğitim süreçleri gerekirken, GraspGen-X farklı tutucu türleriyle çalışabilecek şekilde tasarlandı. Model, daha önce karşılaşmadığı bir robot tutucusunun geometrisini ve bilinmeyen bir nesnenin yapısını analiz ederek uygun kavrama noktalarını belirleyebiliyor. NVIDIA araştırmacıları bu yeteneği kazandırabilmek için milyarca simüle edilmiş kavrama verisinden yararlandı. Şirketin paylaştığı bilgilere göre model, binlerce nesne ve farklı tutucu tasarımı kullanılarak oluşturulan yaklaşık 2 milyar simülasyon üzerinden eğitildi. Bu sayede robot geliştiricilerin her yeni donanım için yeniden eğitim süreci yürütme ihtiyacının azaltılması hedefleniyor.
Otonom araçlarda daha hızlı karar alma hedefi
NVIDIA tarafından tanıtılan ikinci çalışma LCDrive ise otonom sürüş sistemlerinin karar alma süreçlerini hızlandırmayı amaçlıyor. Son dönemde yapay zekâ modellerinde yaygınlaşan “adım adım düşünme” yaklaşımı karar kalitesini artırsa da yüksek işlem yükü oluşturabiliyor. Özellikle araç içi donanımlarda bu durum tepki sürelerini etkileyebiliyor. LCDrive, metin tabanlı muhakeme yerine sıkıştırılmış gizil (latent) temsiller kullanarak bu soruna çözüm getirmeyi hedefliyor. Sistem, insan tarafından okunabilir metinler üretmek yerine çevreye ilişkin bilgileri daha kompakt bir yapıda işliyor ve olası eylemlerin sonuçlarını tahmin ederek kararlarını şekillendiriyor. NVIDIA’ya göre bu yaklaşım, geleneksel yöntemlere kıyasla yaklaşık yarı yarıya daha az token kullanırken benzer sürüş kalitesini koruyabiliyor.
Yapay zekâ ajanları oyunlardan öğreniyor
NitroGen adlı üçüncü araştırma ise yapay zekâ ajanlarının sanal dünyalarda eğitilmesine odaklanıyor. NVIDIA’nın insansı robotlar için geliştirdiği temel model mimarisi olan Isaac GR00T üzerine inşa edilen NitroGen, 1000’den fazla video oyunu ve 40 bin saati aşan etkileşim verisiyle eğitildi. NVIDIA, modelin aksiyon rol yapma oyunlarından açık dünya yapımlarına kadar farklı türlerde test edildiğini ve savaş, keşif ile navigasyon gibi görevlerde başarılı sonuçlar verdiğini belirtiyor. Şirket; düşük veriyle öğrenme senaryolarında NitroGen’in önceki yöntemlere göre yüzde 52’ye kadar performans artışı sağlayabildiğini ifade etti.
Fiziksel yapay zekâ yatırımları hız kazanıyor
Son yıllarda robotik, otonom araçlar ve yapay zekâ destekli fiziksel sistemlere yönelik yatırımlar hız kazanırken, NVIDIA’nın CVPR 2026’da duyurduğu çalışmalar da şirketin sadece yapay zekâ modelleri geliştirmeye değil, bu modelleri gerçek dünyadaki robotlar ve araçlarda kullanılabilir hale getirmeye odaklandığını ortaya koyuyor. Araştırmaların henüz ticari ürün aşamasında olmadığı belirtilse de, geliştirilen teknolojilerin gelecekte üretim tesislerinden lojistik merkezlerine, otonom araçlardan ev robotlarına kadar birçok alanda kullanılabilecek sistemlerin temelini oluşturabileceği değerlendiriliyor.
