Leju Robotics ve Robot Eğitim Merkezleri: Çin’de İnsansı Robotun Fabrikaya Hazırlanması

Robot eğitim merkezleri, insansı makinelerin fabrika ortamına geçişinde son halkayı oluşturuyor. Çin’in Shijiazhuang kentinde faaliyete geçen Leju Robotics tesisi, on bin metrekarelik alanda otomobil montaj hattından yaşlı bakım odasına uzanan simülasyon ortamlarıyla makinelere iş öğretiyor ve yıllık altı milyon veri girişiyle dünyanın en büyük insansı robot eğitim havuzunu yönetiyor.

Leju Robotics Eğitim Merkezi Nedir

Leju Robotics, Çin merkezli insansı robot üreticileri arasında son birkaç yıldır adından söz ettiren bir şirket. Şirket yalnızca donanım üretmiyor, aynı zamanda ürettiği robotların gerçek dünyada hangi görevleri ne kadar tutarlılıkla yapabileceğini ölçmek için fiziksel eğitim merkezleri kuruyor. Shijiazhuang’da açılan tesis bu yaklaşımın bilinen en geniş örneği. CNBC’nin yayımladığı saha raporunda Çin’in insansı robotları işe nasıl hazırladığı ayrıntılı biçimde anlatılıyor; merkez, gazetecilere kapısını açarak nadir bir şeffaflık örneği sergiliyor.

Eğitim merkezinin temel mantığı basit: insansı robotlar fabrikada veya hizmet sektöründe görevlendirilmeden önce, o ortamın birebir kopyasında saatlerce çalışarak deneyim biriktiriyor. Robotlar sahada kullanılan kasaları kaldırıyor, gerçek lojistik kutularını ayırıyor, gerçek otomobil parçalarını birleştiriyor. Sonuç, simülasyon ile gerçek dünya arasındaki uçurumun belirgin biçimde daralması. Çin’in bu alandaki yatırımı, robotik altyapı yarışında veri toplama tarafına ne kadar önem verdiğini de gösteriyor; konunun daha geniş çerçevesini robot fabrikasyon yarışı başlıklı çatı analizinde bulmak mümkün.

Devlet desteği bu girişimin önemli bir bileşeni. Hebei eyaleti hükümeti tesisi öncelikli sanayi projeleri arasına aldı, bölgesel teşvikler ve arazi tahsisi sağladı. Şirket bu sayede aynı çatı altında onlarca farklı endüstri senaryosunu kurabildi. Eğitim merkezleri konsepti, otomobil markalarının test pistleri veya havayolu şirketlerinin uçuş simülatörleriyle benzer mantıkta işliyor: ürün sahaya çıkmadan önce kontrollü ama gerçekçi bir ortamda en zor koşullarla karşılaşıyor.

Shijiazhuang Tesisinin Boyutu

Tesisin on bin metrekarelik kapalı alanı, sektördeki diğer eğitim merkezleriyle karşılaştırıldığında belirgin biçimde büyük. Hangar tipi yapı, içinde birden fazla bağımsız simülasyon zonu barındırıyor. Her zon ayrı bir endüstri senaryosuna ayrılmış. Otomobil montaj hattı tam ölçekli; konveyör bantlar, kaynak istasyonları, tork tezgâhları gerçek bir fabrikada bulunacak konfigürasyonda kurulu. Akıllı ev simülasyonu mutfak, oturma odası, yatak odası ve banyo gibi alt birimlerden oluşuyor. Yaşlı bakım simülasyonu hastane tipi karyolalar, yardımcı araçlar ve günlük yaşam objeleriyle donatılmış.

Aynı çatı altında birden fazla senaryonun bir araya gelmesi, robotların farklı görev tipleri arasında geçiş yapabilmesini sağlıyor. Sabah hat üzerinde montaj çalışan bir makine, öğleden sonra ev senaryosunda kupa taşıma görevine geçebiliyor. Bu çoklu görev rotasyonu, foundation model adı verilen genel amaçlı yapay zeka temellerinin eğitiminde belirleyici. Robotun yalnızca tek bir görevi kusursuz yapması artık yeterli değil; piyasa, çok yönlülük arıyor.

Tesise giriş çıkışlar kontrollü. Robotların yanı sıra her bir simülasyon zonunda insan eğitmenler, veri etiketleyicileri ve mühendisler çalışıyor. Çin insansı robot endüstrisinin erken pazar avantajını analiz eden saha raporlarına göre bu tip entegre tesisler, Batılı rakiplere kıyasla Çinli firmalara veri yoğunluğu açısından açık bir üstünlük kazandırıyor. Tesis kapasitesi şu an için tam dolu çalışıyor; şirket ek bina inşası için planlama yapıyor.

On bin metrekarelik alan içinde lojistik akışı, parça depolama, veri kayıt odası, kontrol merkezi ve bakım atölyesi gibi destek birimleri de ayrı modüller olarak yer alıyor. Robotların şarj edildiği, yazılım güncellemelerinin yapıldığı, fiziksel parçaların değiştirildiği teknik servis hattı tesisin sürekliliği için belirleyici. Tesis günde iki vardiya çalışıyor; günlük operasyon birkaç yüz robotun aynı anda görev yapmasına olanak tanıyor.

Üç Simülasyon Senaryosu: Otomobil, Ev, Bakım

↑ Başa dön

Eğitim merkezinin üç ana sahnesi, insansı robotların yakın gelecekte konuşlanacağı üç farklı sektörü temsil ediyor. İlk sahne otomobil montaj hattı. Bu zonda robotlar tork uygulaması, parça yerleştirme, kablo bağlama, kalite kontrol görsel doğrulaması gibi görevleri tekrarlıyor. Çin’in büyük otomobil üreticileri ve bir kısım yeni nesil EV markası tesisle pilot anlaşmalar imzaladı.

İkinci sahne akıllı ev. Burada görevler çok daha çeşitli ve standart dışı: bulaşık toplama, halıyı düzeltme, çamaşır katlama, içecek hazırlama. Ev ortamı endüstriyel bir hattın aksine tahmin edilemez. Halı kıvrımı, masa kenarındaki bir kalem, yerden alınması gereken bir oyuncak, hep değişen koşullar yaratıyor. Robotlar bu sahnede genelleme yapma becerilerini test ediyor.

Üçüncü sahne yaşlı bakım tesisi. Çin’in nüfus piramidi hızlıca yaşlanıyor ve hükümet bakım hizmetlerini destekleyecek otomasyon araçlarına ciddi bütçe ayırıyor. Robotlar bu zonda hastalara su getirme, ilaç hatırlatma, oturmadan kalkmaya yardım, basit refakat görevlerini öğreniyor. Bu senaryoda fiziksel temas hassasiyeti ön planda; güç limitleri ve dokunma sensörü kalibrasyonu gerçek bakıcı demolarıyla ince ayarlanıyor.

Üç senaryonun ortak özelliği, gerçek dünya nesnelerinin kullanılması. Plastik mockup yerine gerçek kasalar, gerçek otomobil parçaları, gerçek mutfak eşyaları konuyor. Bu detay, sim2real adı verilen simülasyondan gerçeğe geçiş probleminin önemli bir kısmını başlangıçtan çözüyor. Robotun öğrendiği fiziksel özellikler sahada karşılaşacağı objelerle birebir örtüşüyor.

16 Eğitim Programı ve 20+ İşlev

Tesiste şu an itibarıyla 16 ayrı eğitim programı çalışıyor. Her program, belirli bir görev ailesini hedefliyor. Örneğin kutu iadesi programı, bir lojistik istasyonunda gelen iade paketinin alınması, kontrol edilmesi, ilgili rafa yerleştirilmesi süreçlerini kapsıyor. Malzeme ayırma programı, farklı boyut ve ağırlıktaki parçaların doğru bölmelere dağıtılmasıyla ilgili. Ürün paketleme programı, bitmiş ürünlerin kutulanması ve etiketlenmesini içeriyor.

Programlar birbirinden bağımsız değil. Bir robot birden fazla programa katılabiliyor ve böylece yirmiden fazla işlevi aynı anda öğrenebiliyor. Bu çok görevli eğitim yaklaşımı, insansı robotların maliyet etkin biçimde konuşlanabilmesi için belirleyici. Tek görevli özel amaçlı robotlar yerine, çok yönlü genel amaçlı bir makine fabrikaya alındığında yatırımın geri dönüş süresi çok daha kısalıyor.

• Lojistik programları: kutu iadesi, malzeme ayırma, palet düzenleme, raf yerleştirme
• Üretim programları: parça montajı, tork uygulaması, kalite kontrol, paketleme
• Ev programları: bulaşık toplama, çamaşır katlama, yer süpürme, içecek hazırlama
• Bakım programları: su getirme, ilaç hatırlatma, hareket desteği, refakat

Programların her biri yapılandırılmış bir müfredata bağlı. Robotlar önce demolarla görevi izliyor, sonra hareket yakalama verisiyle taklit ediyor, ardından gerçek nesnelerle deneme yapıyor, son aşamada otonom çalıştırılıyor. Her aşamada başarı oranı ölçülüyor ve bir sonraki aşamaya geçiş için eşik belirleniyor. Bu süreç, klasik bir mesleki eğitim programının robot için uyarlanmış hâli gibi işliyor.

%95 Başarı ve 6 Milyon Yıllık Veri

Shijiazhuang merkezi açıklanan istatistikler arasında en dikkat çekici olanı, eğitim programlarındaki görevlerin yüzde doksan beş başarı oranıyla tamamlanması. Bu rakam, klasik sanayi robotlarına kıyasla düşük görünebilir; ancak insansı robotların açık ortamda, değişken koşullarda çalıştığı düşünüldüğünde sektör için yüksek bir eşik. Karşılaştırmak gerekirse, akademik araştırmalarda lab ortamında yapılan benzer görevlerin başarı oranı genelde yüzde altmış-yetmiş aralığında kalıyor.

Tesisin ürettiği yıllık altı milyon veri girişi, Çin’deki en yüksek rakam olarak duyuruluyor. Veri girişi, bir robotun belirli bir görevi belirli bir nesneyle yaptığı tek bir denemeyi ifade ediyor. Her deneme video, kuvvet sensörü okumaları, eklem açıları, görev sonucu gibi katmanlardan oluşan zengin bir kayıt üretiyor. Bu veriler robotik foundation model adı verilen büyük ölçekli yapay zeka modellerinin eğitiminde kullanılıyor.

Veri ölçeği neden önemli sorusunun cevabı, modern yapay zeka mimarisinin doğasında. Büyük dil modellerinin bir devrim yaratması, internet ölçeğinde metin verisinin işlenmesiyle mümkün oldu. Robotik için karşılığı, dünya ölçeğinde fiziksel etkileşim verisi. Küresel robotik beyin kavramını tartışan teknik makaleler, fiziksel veri toplamanın önümüzdeki yarışın belirleyici unsuru olduğuna dikkat çekiyor. Çin’in bu yarışa erken giriş yapması, ülkenin yakın dönemde insansı robot dağıtımında ölçek üstünlüğü kuracağını işaret ediyor. Şirketin daha geniş ekosistemini analiz eden değerlendirmeler için çin robotik sektörü üzerine yapılan derinlemesine inceleme okunabilir.

VR ve Hareket Yakalama Eğitim Yöntemleri

↑ Başa dön

Eğitim merkezinin verim üretebilmesindeki temel teknik, hareket yakalama ve sanal gerçeklik araçlarının iç içe kullanılması. Tesis girişinde bir hareket yakalama stüdyosu var; bu stüdyoda gerçek operatörler bir görevi yapıyor ve vücutlarındaki markerlar onlarca kameranın oluşturduğu 3D koordinat sistemine işleniyor. Sonuç, milimetre hassasiyetinde insan hareketi verisi.

Bu veri doğrudan robotlara aktarılamıyor çünkü insan ve robot vücut yapıları farklı. Aradaki dönüşüm, retargeting adı verilen bir aşamada gerçekleşiyor; insan eklem açıları, robot kinematik zincirine uyacak şekilde yeniden hesaplanıyor. VR setlerine geçen mühendisler ise robotu birinci kişi görüş açısından kontrol ederek demolar üretiyor. Bu yöntem teleoperation adıyla biliniyor ve sektörde yaygın kullanılıyor.

Üç katmanlı veri üretim akışı şu şekilde işliyor:

1. Gerçek operatör demosu: Profesyonel bir işçi görevi normal hızında yapar, kamera ve sensör kaydı tutulur.
2. Hareket yakalama dönüşümü: Veriler robotun mekaniğine uyarlanır, eklem trajektorileri çıkarılır.
3. VR teleoperation ince ayarı: Mühendisler VR setiyle robotu uzaktan kontrol ederek edge case denemelerini yapar.

Bu üç katmanın toplamı, robotun hem ortalama durumlarda hem de istisnai senaryolarda makul davranış göstermesini sağlıyor. NVIDIA’nın geliştirdiği Isaac platformu ve benzeri simülasyon altyapıları bu sürece sentetik veri katkısı ekliyor; konunun teknik tarafını nvidia robot platformu analizi detaylıca ele alıyor. Sentetik veri tek başına yeterli olmasa da gerçek veriyle birleştiğinde model performansını gözle görülür şekilde artırıyor.

Batı’da Gig Ekonomisinin Robot Veri Toplaması

Çin tarafında dev tesisler kurulurken Batı’da farklı bir model gelişiyor. MIT Technology Review’un öne çıkan analizinde gig çalışanlarının evde insansı robot eğitmesi olgusu detaylıca incelendi. Bu modelde Scale AI, Encord ve benzeri veri toplayıcı şirketler, sıradan kullanıcılara kısa süreli sözleşmeler veriyor ve kendi evlerinde belirli görevleri kayıt altına aldırıyor.

DoorDash kuryesi geçmişe sahip kişilerin evde mutfak işleri yapması, çocuk bakıcılığı deneyimi olanların çocuk odası rutinlerini videoya çekmesi, marangoz birikimi olanların atölye işlerini kaydetmesi bu kanalın tipik örnekleri. Veriler, model şirketlerinin foundation model eğitim setine giriyor. Ücret saat başı yirmi beş ile yetmiş beş dolar arasında değişiyor. Bu rakamlar Amerika’da gig işçileri için cazip bir ek gelir oluşturuyor.

İki modelin karşılaştırılması veri stratejilerinin felsefi farkını gösteriyor:

İki yaklaşım birbirini dışlamıyor; tam tersine, model eğitimi için her ikisinin de değeri var. Standart endüstriyel görevlerde Çin’in merkezi veri toplaması daha verimli; uç durumlarda ve çeşitlilik gerektiren ev senaryolarında Batı’nın gig modeli daha zengin sinyal üretiyor. Çin’in sahip olduğu açık kaynaklı yapay zeka altyapısının bu sürece etkisini değerlendiren detaylı rehberimiz haberleri, model dağıtım stratejisinin değiştiğini gösteriyor.

Türkiye’de Robotik Eğitim Altyapısı

Türkiye’de insansı robot üretimi henüz ticari ölçeğe ulaşmadı, ancak robotik eğitim altyapısı gelişmeye başladı. İstanbul, Ankara, İzmir, Kocaeli ve Bursa eksenli üniversitelerde robotik laboratuvarları faaliyette. TÜBİTAK kanallarından çıkan destekler, hareket yakalama stüdyoları kuran araştırma gruplarına maddi imkan sağlıyor. Sabancı, Bilkent, ODTÜ, İTÜ ve Boğaziçi bünyesinde robotik öğretim odakları, lisansüstü öğrenciler için pratik eğitim olanağı sunuyor.

Sanayi tarafında otomotiv sektörü, robotik konuşlandırma için en hazır alan. Bursa ve Kocaeli’deki otomobil fabrikaları hâlihazırda klasik endüstriyel robotlarla çalışıyor; insansı robotların sahaya inmesi, mevcut altyapıya bir üst katman olarak eklenecek. Hizmet sektöründe ise otelcilik ve perakende, pilot uygulamalar için potansiyel taşıyor.

Türkiye’nin robotik veri toplama stratejisi henüz oluşmadı. Şirketlerin bu alanda atması gereken adımlar şunlar:

• Hareket yakalama stüdyolarının kapasitesinin artırılması ve sanayi şirketlerine açılması
• Üniversite-sanayi iş birliği protokollerinin veri paylaşımı maddelerini içermesi
• Üretim hattında robot eğitim zonu ayrılması, üretim verisinin etiketlenmesi
• Mesleki eğitim merkezlerinin robot eğitim demolarıyla entegre çalışması

Türkiye, coğrafi konumu ve sanayi tabanı sayesinde insansı robot uygulamalarında Avrupa’ya tedarik üssü olma potansiyeli taşıyor. Veri toplama tarafında geriye düşmemek için orta vadeli bir yol haritası gerekli. Daha geniş sektör haberleri için robotik haberleri sayfası takip edilebilir.

Yerel ekosistemde bir başka önemli bileşen, mesleki eğitim merkezleri. MEB bağlı endüstri meslek liseleri ve özel sertifika programları, robot eğitim alanı için gereken etiketleyici ve operatör profilini yetiştirebilir. Hareket yakalama, veri etiketleme, simülasyon mühendisliği gibi ara meslekler yeni istihdam alanı açacak. Hükümetin sanayi politikalarında insansı robot başlığının ayrı bir kalem olarak yer alması, sektör için somut bir sinyal değeri taşır. Avrupa Birliği fonları ve Horizon programları, robotik veri altyapısı için ek finansman kanalı sunabilir; Türkiye’nin bu fonlardan yararlanması için ortak proje başvurularının artması önemli.

Sıkça Sorulan Sorular

↑ Başa dön

Leju Robotics eğitim merkezi nerede?

Merkez, Çin’in Hebei eyaletine bağlı Shijiazhuang kentinde bulunuyor. On bin metrekarelik kapalı bir tesis olarak inşa edildi ve içinde otomobil montaj hattı, akıllı ev, yaşlı bakım gibi farklı simülasyon zonları var. Hebei eyalet hükümeti tesisi öncelikli sanayi yatırımları arasına aldı ve teşvik kapsamına dâhil etti.

Robot eğitim yıllık veri ölçeği ne kadar?

Tesis, yıllık altı milyon veri girişi üretiyor. Bu Çin’deki en yüksek rakam olarak açıklandı. Veri girişi; bir robotun belirli bir görevi belirli bir nesneyle yaptığı tek bir kayıtlı denemeyi ifade ediyor. Veriler robotik foundation model eğitiminde kullanılıyor ve makinelerin genelleme becerisini artırıyor.

Robotlar hangi yöntemlerle eğitiliyor?

Üç katmanlı bir süreç işliyor: önce gerçek operatörler görevi yapıyor, hareket yakalama sistemiyle vücut hareketleri kaydediliyor. Ardından bu veriler robot mekaniğine uyarlanıyor. Son aşamada mühendisler VR setiyle robotu uzaktan kontrol ederek istisnai durumlar için ek demolar üretiyor. Üç katmanın birleşimi yüksek başarı oranını mümkün kılıyor.

Çin modeli ile Batı’nın gig modeli arasındaki fark nedir?

Çin tarafında merkezi tesis modeli işliyor; standart endüstri senaryoları yüksek hacimle kayıt altına alınıyor. Batı’da Scale AI ve Encord gibi şirketler, sıradan kullanıcıların kendi evlerinde günlük işleri yapmasını kaydederek dağıtık bir veri toplama modeli kuruyor. İki yaklaşım birbirini tamamlıyor; merkezi model hacim, dağıtık model doğal varyasyon sağlıyor.

Editör notu: Yazıda atıfta bulunulan rakamlar ve gözlemler CNBC, MIT Technology Review, IEEE Spectrum ve TechCrunch gibi uluslararası yayın organlarının saha raporlarından derlenmiştir. Sektör hızlı değiştiği için şirket açıklamalarındaki rakamlar dönemsel olarak güncellenebilir. Yorumlar editöryal gözlem niteliğindedir. Bu yazı yatırım tavsiyesi değildir, bilgilendirme amaçlıdır. — Mehmet Kara, Teknoloji Editörü