AWS, robotlar için açık kaynaklı “Fiziksel AI Araç Zinciri”ni yayımladı.

Amazon Web Services (AWS), bugün robotlara yapay zeka (AI) yetenekleri kazandırmak isteyen geliştiricilerin veri toplama aşamasından model eğitimi, simülasyon, doğrulama ve gerçek dünya operasyonuna kadar tüm süreci tek bir iş akışında yönetmesini sağlayan açık kaynaklı “Fiziksel AI Araç Zinciri”ni (Physical AI Toolchain) yayımladı. Bulut bilişim devi bu araç zincirini NVIDIA’nın fiziksel yapay zeka yazılım yığınıyla birleştirerek, eğitilmiş bir modelin sahada güvenilir biçimde çalışabilen bir sisteme dönüştürülmesinde karşılaşılan altyapı zorluklarını ortadan kaldırmayı hedefliyor.

Araç zinciri, robotik alanında çalışan şirketlerin en büyük sorunlarından biri olan “eğitilmiş model ile gerçek dünyada işleyen sistem” arasındaki kopukluğu kapatmayı amaçlıyor. AWS Frontier AI Science ve Mühendislik Direktörü Sri Elaprolu, aracın amacını şöyle özetledi: “Bunu mümkün olduğunca kolay bir düğüm haline getirmeye çalışıyoruz ki insanlar altyapıyla uğraşmak yerine çözmek istedikleri probleme odaklanabilsin.”

Veriden operasyona uzanan beş aşama

Araç zinciri, yapay zeka geliştirme sürecinin beş temel parçasını bir araya getiriyor: sentetik veri üretimi, model eğitimi, simülasyon ve doğrulama, uç (edge) cihazlara dağıtım ve sürekli iyileştirme. Bir robotik şirketi, robotun bir görevi yerine getirmesine dair örneklemeleri toplayabilir, buna ek eğitim senaryolarını sentetik olarak üretebilir, modeli eğitebilir veya ince ayarlayabilir ve fiziksel bir robote yerleştirmeden önce modeli simülasyon içinde test edebilir.

Açıklamalara göre AWS, model eğitiminde Amazon SageMaker’ı, modellerin uç cihazlara dağıtımında ise AWS IoT Greengrass’ı kullanıyor. NVIDIA’nın katkıları arasında Isaac Sim, Isaac Lab, Isaac GR00T ve Cosmos yer alıyor. Şirketler bu bileşenleri ayrı ayrı kullanabileceği gibi, uçtan uca bir iş akışına da entegre edebilir.

“Bu modelleri eğitmek için ihtiyaç duyduğunuz veri miktarı oldukça büyük ve LLM’lerin aksine internette o kadar çok veri yok. Peki bu veriyi nasıl üretirsiniz? Dünyayı temsil eden sentetik verileri nasıl üretebilirsiniz? Tam da bunu çözmeye çalışıyoruz.”

Sri Elaprolu, AWS Frontier AI Science ve Mühendislik Direktörü

Sentetik veri şirketlerin ek senaryolar üretmesine yardımcı olurken, simülasyon geliştiricilerin modelleri fiziksel donanıma yerleştirmeden önce test etmelerini sağlıyor. Araç zinciri, sahada robotlar tarafından toplanan verinin buluta geri taşınarak modellerin iyileştirilmesinde kullanıldığı bir geri bildirim döngüsünü de destekliyor.

“Bu robotik operasyonlarını ölçeklendirmeye başladıkça, yerelde elde edilen deneyimler buluta aktarılmalı,” diye ekledi Elaprolu. “Böylece beyni sürekli olarak yeniden şekillendirebilirsiniz.”

Amazon’un kendi robotlarından dersler

Elaprolu, araç zincirinin Amazon’un kendi robotik operasyonundan edindiği deneyimleri de içerdiğini belirtti. Bugün 1 milyondan fazla robote ulaşan Amazon, fiziksel yapay zekanın çalışacağı her ortamı temsil etmiyor. Kontrol altındaki dağıtım merkezleri, daha değişkenli ortamlarda devreye giren uygulamalar için yeterli örnek değil.

Bu bağlamda Elaprolu, Japon robotik şirketi Telexistence’i örnek gösterdi. Şirket, marketlerde insansı (humanoid) robotlar yaygınlaştırıyor ve 300’den fazla cihazın konuşlandırıldığı, daha fazlasının da beklendiği belirtiliyor. Kontrol altındaki bir fabrikanın aksine bir market çok daha değişkenli ortam sunar ve robotların koşullara hızlı tepki vermesini gerektirir.

“Hata toleransı seviyeleri genellikle çok daha düşüktür, ancak aynı zamanda yanıt hızlarının da çok daha yüksek olması gerekir.”

Sri Elaprolu, AWS Frontier AI Science ve Mühendislik Direktörü

Araç zinciri donanımdan bağımsız (hardware-neutral) bir yaklaşımla tasarlandı. Belirli bir robotu dayatmak yerine, farklı makineler üzerinde model eğitimi ve dağıtımı için altyapı sağlıyor.

“Gelecekte de çok çeşitli tasarım ve bileşenlere sahip donanımlar inşa edilecek,” dedi Elaprolu. “Araç zinciri, bu son adımı bilinçli biçimde tarafsız bırakıyor.”

Dokunsal algı ve inşaat makineleri

Elaprolu, dokunsal (dokunma) algıyı da fiziksel yapay zekanın gerektirebileceği özel yeteneklerden biri olarak gösterdi. AWS, Güney Koreli RLWRLD şirketiyle insansı eller için dokunsal yetenekler geliştiriyor. Mevcut modellerin beş parmaklı hassas hareket gerektiren bazı görevlerde yeterli kapasiteye sahip olmaması, AWS ile şirketin özel bir model geliştirmesine yol açtı.

Amazon’un Vulcan robotu da buna başka bir örnek sunuyor. Sistem, Amazon’un dağıtım merkezlerinde eşyaları manipüle etmek ve yerleştirmek için dokunsal algıyı kullanıyor; Robot Report da bu robotu 2026’nın Yılın Robotu olarak seçmişti.

Araç zinciri bir dokunsal algı platformu değil, ancak farklı veri kaynaklarını, model eğitimini, simülasyonu ve uç cihazlara dağıtımı desteklemesiyle geliştiricilerin özel sensör teknolojisini sistemlerine entegre etmelerine olanak tanıyabilir.

AWS, depolar ve fabrikaların ötesinde de uygulamalar görüyor. Elaprolu, otonom inşaat makineleri için hem donanım hem de yapay zeka modelleri geliştiren Bedrock Robotics’i örnek gösterdi. Modeller bulutta AWS üzerinde eğitiliyor, ardından gerçek inşaat sahalarında ekipmanların işletilmesinde kullanılıyor.

Açık kaynak yaklaşımı

Fiziksel AI Araç Zinciri açık kaynaklı olduğu için girişimlerden büyük şirketlere kadar geniş bir kitle tarafından kullanılabilir ve değiştirilebilir.

Elaprolu, bireysel AWS ve NVIDIA bileşenlerinin zaten müşteriler tarafından kullanıldığını, bunlara AWS’nin MassRobotics ve NVIDIA ile yürüttüğü Fiziksel AI Burs Programına katılan şirketlerin de dahil olduğunu belirtti. Yeni sunum bu bileşenleri daha tutarlı bir iş akışına paketliyor.

“Yapılan şey, bu bileşenleri paketlenmesi ve ileri taşıyacak bir şirket için sorunsuz hale getirilmesi,” dedi Elaprolu.