İnsansı Robotlarda Teknoloji Trendleri

İnsansı robotlar, 2026 yılı ilerledikçe "tanıtım aşamasından" "fabrikalarda, depolarda ve bazı evlerde fiilen çalışır hale gelme" aşamasına geçiyor. Bu yazı, Tesla, Figure AI, Boston Dynamics, Unitree, Agility Robotics, 1X Technologies ve Sanctuary AI gibi şirketlerin her birinin farklı bir stratejiyle rekabet ettiği mevcut durumu haritalandırıyor: otomobil üreticisi olarak dikey entegrasyon, VLA temel modeli, hidrolik sistemlerden uzaklaşma, agresif fiyat indirimleri, ev pazarı, genel amaçlı kurumsal çalışan.

Honda

Toyota

Görseller: Honda / Toyota logoları, Wikimedia Commons. Her iki şirket de insansı robot araştırmalarındaki katılımları nedeniyle burada yer alıyor - Honda, ASIMO soy ağacıyla, Toyota ise Toyota Araştırma Enstitüsü'nün Boston Dynamics ile ortaklığıyla.

Tek Bir Diyagramda İnsansı Robot Kontrolü

Diagram 1 · Use the button to switch views

Diyagram: Duskcoil tarafından oluşturulmuştur. Bir VLA tarafından görev seviyesi kararlarını, tüm vücut kontrolü tarafından eklem seviyesi yürütmeyi ve fiziksel dünyadan gelen gözlem geri bildirimini ayıran temsili bir hiyerarşi. Uzaktan kumanda ve simülasyon, çalışma zamanı girdileri yerine eğitim yolları olarak gösterilmiştir. Uygulamalar bu katmanları farklı şekilde entegre eder.

İnsansı robotları anlamanın ekseni, donanım (aktüatörler ve mekanizmalar) ve yazılıma (tüm vücut kontrolü ve görev yürütme) ayrı ayrı bakmaktır. Donanım sorunu — iki ayak üzerinde hareket etmenin tek başına düşme, temas ve güç yoğunluğuyla ilgili kısıtlamalar getirmesi — ve genel amaçlı görev talimatlarını yerine getirme zekası sorunu, farklı hızlarda ilerleyen ayrı teknik zorluklardır. Günümüzün rekabet ortamı, büyük ölçüde belirli bir şirketin bu iki eksenden hangisine yatırım yaptığına göre ayrılıyor.

Temsili bir hiyerarşide, VLA (Görsel Öğrenme Otonom Sistemi) görme ve dili bir görev veya beceri hedefine dönüştürür ve tüm vücut kontrolcüsü bu hedefi duruş ve temas kısıtlamalarını karşılayan eklem komutlarına dönüştürür.

Soy Ağacı: ASIMO'nun Emekliliğinden Bugüne

Honda, ASIMO'nun geliştirilmesini 2018'de sonlandırdı ve programın kendisi 2022'de resmen kapatıldı. O zamanlar Honda, ASIMO için geliştirilen teknolojiyi bakım ve afet müdahale desteği gibi daha pratik uygulamalara yönlendirme politikasını işaret etti ve o zamandan beri ASIMO'nun doğrudan halefi olarak hiçbir tam insansı robot duyurulmadı. 2026 yılında Honda, ASIMO'nun ruhunu devam ettirdiği söylenen yeni bir robotu tanıttı, ancak bu robot ticari amaçlı genel bir işçi olmaktan ziyade araştırma ve teknoloji gösterimi olarak konumlandırıldı. Bu değişim - ASIMO'nun "son derece hassas iki ayaklı yürüyüşün kendisi"ni hedef olarak benimsemesinden, günümüzün önde gelen oyuncularının "fabrikalarda ve depolarda fiilen çalışmanın ekonomisine" odaklanmasına kadar - sektörün ağırlık merkezinin genel olarak nereye kaydığını yansıtıyor.

Aktüatör Yol Ayrımı: Elektrikli mi Hidrolik mi?

İnsansı robotların fiziksel performansını şekillendiren en büyük tasarım kararlarından biri, eklemlerinin nasıl tahrik edildiğidir. Hidrolik aktüatörler yüksek güç yoğunluğu (birim ağırlık başına çıkış) sunar ve patlayıcı, güçlü hareket üretmeyi kolaylaştırır, ancak yağ sızıntıları, gürültü, bakım yükü ve endüstriyel ortamlarda genel olarak hantal olma gibi zorluklarla birlikte gelirler. Elektrikli aktüatörler (motor artı redüktör) sessizdir, bakımı kolaydır ve yapay zeka kontrol döngüleriyle iyi uyum sağlar; ancak hidrolik seviyesinde patlayıcı bir kuvvete ulaşmak için yüksek tork yoğunluğuna sahip motorlar ve bunları kaldırabilecek kadar sağlam bir redüktör mekanizması gerekir.

Boston Dynamics'in Atlas modeli bu yol ayrımını somutlaştırıyor. Yıllarca hidrolik tahrikle geliştirilen Atlas, Boston Dynamics'in 2024 yılında hidrolik Atlas'ın üretimini durduracağını açıklamasının hemen ardından tamamen elektrikli yeni bir model olarak yeniden piyasaya sürüldü. Bu geçişin ardındaki motivasyonun sadece performans iyileştirmesi değil, aynı zamanda "ölçeklenebilir pratiklik" - seri üretim, bakım kolaylığı ve endüstriyel alanlarda kullanım - için bir ön koşul olduğu söyleniyor. Hidrolik sistemler güçlüdür ancak hantal, gürültülü ve standart bir fabrika ortamında bakımı zordur. Elektrikli sistemlere geçiş daha sessiz, daha çevik hareket, daha iyi bakım kolaylığı ve yapay zeka kontrol döngüleriyle daha iyi uyumluluk sağlarken, geriye kalan zorluk, motor ve dişli tasarımının anlık yüksek çıkışlı hidrolik sistemlerin mükemmel olduğu seviyeye ne kadar yetişebileceğidir. Boston Dynamics, CES 2026'da elektrikli Atlas'ın üretim versiyonunu tanıttı ve elektrikli araçlara geçiş, "araştırma aşamasındaki bir tercih" olmaktan "üretim aşamasındaki bir öncül" haline geldi.

Başlıca Oyuncuların Durumu

Tesla Optimus, otomotiv seri üretim hatlarını yeniden kullanarak dikey entegrasyonu silah olarak kullanıyor. Üçüncü nesil (V3), 37 eklem ve 22 serbestlik derecesine ve 50 aktüatöre sahip bir ele sahip, 173 cm boyunda ve 57 kg ağırlığında olup, 2026 yılının ikinci yarısında Fremont'ta seri üretime geçiyor. İlk üretim birimleri öncelikle eğitim verisi toplamaya yönlendiriliyor ve Musk, erken üretim artışına ilişkin temkinli bir bakış açısı sunarak, bunun "oldukça yavaş" olacağını söyledi. Hedef fiyat 20.000 ila 30.000 dolar arasında.

Figure AI, BMW'nin Spartanburg fabrikasındaki gerçek dünya uygulamasıyla öne çıkıyor. Önceki nesil Figure 02, yaklaşık 30.000 BMW aracının montajında yer alırken, halefi Figure 03, elleri, kolları, gövdeyi ve bacakları koordine etmek için "Helix 02" adlı bir yapay zeka sistemi kullanıyor ve sıralama işlerini (konum ve yönelim bakımından farklılık gösteren parçaları tanımlama, sıralama ve yeniden düzenleme) gerçekleştiriyor. Özellikle, ağır bir arabayı iterken aynı anda parçaları çalıştırmak gibi, hareket ve manipülasyonu eş zamanlı olarak birleştiren görevlere genişlemesiyle dikkat çekiyor.

Boston Dynamics Atlas, Toyota Araştırma Enstitüsü (TRI) ile ortaklığı sayesinde geliştirilen Büyük Davranış Modeli (LBM) entegrasyonunu silah olarak kullanıyor. Ağustos 2025'te, LBM ile donatılmış bir Atlas, nesne manipülasyonu ve hareketini birleştiren uzun, sürekli görev dizilerini gösterdi ve daha önce elle programlanan yeni hareketlerin artık kod yazmadan ne kadar hızlı eklenebileceğine vurgu yaptı. Hyundai ile, Hyundai fabrikalarında toplanan verileri kullanarak Atlas'ı eğitmek üzere 2026 yılında bir Robot Metaplant Uygulama Merkezi (RMAC) açılması planlanıyor.

Unitree, fiyat indirimini silah olarak kullanıyor. G1 (1,32 m boyunda, yaklaşık 35 kg, 23 serbestlik derecesi, EDU versiyonunda 43'e kadar) doğrudan satış fiyatı 13.500 'dan başlıyor ve yalnızca 2025 yılında 5.500'den fazla ünite sevk edilerek küresel pazar payının yaklaşık %32'sini ele geçirdiği bildiriliyor. Daha üst düzey H2 (1,80 m boyunda, 70 kg, 31 serbestlik derecesi) Çin'de 29.900'dan başlıyor ve Kuzey Amerika'da Toborlife, Şubat 2026'da ön sipariş almaya başladı. Araştırma kurumları için erişilebilir olan bu fiyat aralığı, Unitree'nin insansı robot araştırmaları için fiili deneysel platform haline gelmesinin nedenidir.

Agility Robotics'in Digit'i, lojistik operasyonlarında gerçek çalışma saatlerini silah olarak kullanıyor. GXO'nun Georgia'daki dağıtım merkezinde, Hizmet Olarak Robotlar (Robot-as-a-Service) operasyonu pilot aşamadan tam devreye alma aşamasına geçti ve tek bir tesiste 100.000 koli taşıma kilometre taşına ulaştı. Schaeffler'in Cheraw tesisinde ise 2025 başlarından beri çamaşır makinesi yükleme ve boşaltma işlerinde kullanılıyor ve GXO, Schaeffler, Toyota Motor Manufacturing Canada ve Mercado Libre genelinde toplamda 65.000'den fazla kümülatif çalışma saatine sahip olduğu bildiriliyor. Agility'nin kendisi de 2026 yılında SPAC birleşmesi yoluyla halka arzı hedefliyor.

1X Technologies ise iç pazarı silah olarak kullanıyor. NEO yaklaşık 168 cm boyunda, 20.000 dolarlık bir fiyata sahip ve 2026 yılında ABD'deki sıradan evlere gönderilmesi planlanıyor. OpenAI liderliğindeki A2 Serisi yatırım turundan bu yana, hem finansman hem de modeller konusunda iş birliği devam ediyor. Kaliforniya, Hayward'da açtığı fabrikanın yıllık üretim kapasitesi 10.000 adet olup, 2027 yılının sonuna kadar yıllık 100.000 adedi aşmayı hedefliyor.

Sanctuary AI, "Carbon" adlı bir yapay zeka kontrol sistemini silah olarak kullanıyor ve Phoenix adlı genel amaçlı bir işçi robotu geliştiriyor. Sekizinci nesil Phoenix'in, bir düzineden fazla sektördeki müşteriler tarafından belirtilen yüzlerce görevi yerine getirebildiği ve yaklaşık 24 saatte yeni bir görevi öğrenebildiği iddia ediliyor. Bununla birlikte, ticari sevkiyat hacimleri ve fiyatlandırmanın üçüncü taraf doğrulaması şu anda sınırlı olup, Sanctuary AI için rakiplerine göre daha az gerçek makine doğrulama bilgisinin mevcut olduğunu belirtmekte fayda var.

Öğrenmeye Dayalı Tüm Vücut Kontrolüne Geçiş

İki ayak üzerinde hareket kontrolü, eskiden ZMP (Sıfır Moment Noktası, kütle merkezi ve yer tepki kuvvetinden türetilen ve devrilmeme koşullarını belirleyen klasik bir gösterge) veya DCM (Hareketin Ayrışan Bileşeni) temelli yürüyüş modeli üretimi ve kuadratik programlama (QP) yoluyla tüm vücut kontrolü (WBC) ile birleştirilerek yapılıyordu. Bu yaklaşımlar model tabanlı ve yorumlanması kolaydır, ancak bilinmeyen araziye veya bozulmalara uyum sağlamak ek ayarlama gerektirir.

Mevcut eğilim, simülasyonda pekiştirmeli öğrenmeyi alan rastgeleleştirmesiyle (gerçek makineyle aradaki farka dayanıklı bir politika oluşturmak için simülasyon çalışmaları boyunca kütle, sürtünme, gecikme ve diğer parametreleri rastgeleleştiren bir teknik - ayrıntılar için "Model Tabanlı Pekiştirmeli Öğrenmeye ve Simülasyondan Gerçeğe Giriş" bölümüne bakın) birleştirerek, model tabanlı kontrole göre daha az manuel çalışma ile parkur ve dans gibi dinamik hareketler de dahil olmak üzere çeşitli beceriler edinmeye doğru ilerlemektedir. Araştırma alanına bakıldığında, dört eğilim yan yana var olmaktadır: model tabanlı yürüyüş üretimi, QP tabanlı tüm vücut kontrolü, derin pekiştirmeli öğrenme yoluyla simülasyondan gerçeğe aktarım ve bunları birleştiren hibrit yöntemler; ve alan henüz tek bir yaklaşıma tam olarak odaklanmamıştır. Düşme sonrası kendi başına ayağa kalkmak (kalkmak) ve alışılmadık zemin yüzeylerine sağlam bir şekilde uyum sağlamak – gerçek dünya operasyonlarında sürekli ortaya çıkan "göz alıcı olmayan ancak kritik" sorunlar – öğrenmeye dayalı yöntemlerin ne kadar pratik olduğunu ölçmek için bir ölçüt haline geliyor.

VLA ve Temel Modellerle Bağlantı

Görsel-Dil-Eylem (VLA) model teknolojisi, görev düzeyinde talimat anlama ve eylem üretimine akıyor (ayrıntılar için "VLA'daki Teknoloji Trendleri" bölümüne bakın). Figure AI'nin Helix'i, Boston Dynamics/TRI'nin Büyük Davranış Modeli ve 1X'in NEO Dünya Modeli, "gör, anla ve hareket et"i tek bir modele entegre etme tasarım felsefesini paylaşıyor. Özellikle 1X, 14 milyar parametreli bir video oluşturma modelinin "yapılan görevin kısa bir videosunu hayal etmesi" için yönlendirildiği ve bu hayal edilen videonun daha sonra bir Ters Dinamik Modeli (oluşturulan bir videoyu somut motor komutlarına dönüştüren bir model) aracılığıyla gerçek eklem komutlarına dönüştürüldüğü bir tasarım benimsemiştir. Bu tasarım, bir video dünya modelini doğrudan robot kontrolüne bağlar ve bir sonraki bölümde ele alınan "Dünya Modeli" trendine doğrudan bağlantı kurar (ayrıntılar için "Dünya Modellerindeki Teknoloji Trendleri" bölümüne bakın).

Çözülmemiş Zorluklar

Veri toplama darboğazı: Dil modelleri internet ölçeğinde metin üzerinde eğitilebilirken, robot eylem verileri (eşleştirilmiş gözlemler ve eylemler) internette neredeyse hiç bulunmamaktadır. VR gözlükleri, hareket yakalama kıyafetleri ve giyilebilir dış iskeletler kullanılarak uzaktan kumanda yoluyla veri toplama yaygın olsa da, raporlar, özel donanım sistemleriyle (50.000-150.000 dolar aralığında) bile tek bir operatörün günde 200'den az gösterim toplayabildiğini gösteriyor; bu da fiziksel yapay zeka tedarik zincirinde veri toplamanın kendisinin bir darboğaz oluşturduğuna işaret ediyor.

Maliyet: 2026 itibarıyla fiyatlar geniş bir yelpazeyi kapsıyor: araştırma odaklı Unitree G1'den (13.500 dolar ve üzeri), genel amaçlı çalışanlar olarak pazarlanan Tesla Optimus ve 1X NEO'ya (20.000-30.000 dolar) ve kurumsal EDU ünitelerine (40.000-70.000 dolar). Ancak, işgücü maliyetine karşı ekonomik olarak karlı olan kullanım durumları sınırlı kalmaktadır ve erken aşamadaki uygulamalar "özellikle ciddi işgücü kıtlığı yaşanan basit, tekrarlayan görevler" üzerinde yoğunlaşmaktadır.

Güvenlik: İnsanlarla paylaşılan alanlarda hareket eden, yaklaşık insan kütlesine ve çıktısına sahip otonom makineler için sektörler arası güvenlik standartları, endüstriyel robot kolları için belirlenen standartlardan çok daha az gelişmiştir. Düşme davranışı, iletişim kaybı durumunda arıza emniyetleri ve kuvvet kontrolünün üst sınırları hala her şirket tarafından bağımsız olarak tasarlanmaktadır.

Tüm vücut kontrolünün sağlamlığı: Simülasyonda eğitilen bir politikanın gerçek donanımda gösterdiği performans, eğitim sırasında yeterince ele alınmayan koşullar altında (zemin sürtünme katsayısı, taşınan yükün kütle merkezi vb.) düşme eğilimindedir. Parkur gibi gösterişli gösteriler ve bir depo zeminindeki küçük bir basamağa veya kaygan bir yüzeye karşı günlük sağlamlık, aynı başarı düzeyini mutlaka göstermez.

Bu zorluklar üç ayrı eksen boyunca paralel olarak çözülüyor: donanım (elektrikli sistemlere geçiş, maliyet düşürme), veri (uzaktan kumanda, simülasyon ve videodan öğrenme) ve yazılım (vücut bütünlüğünü VLA temel modelleriyle entegre etme) ve 2026 itibarıyla gerçek şu ki: tek bir teknik atılım bunların hepsini birden çözmeyecek.