Robotlarda planlama ve hareket ayrımı: Anthropic değerlendirmesinde yanıt hızı farkı

Dyna Robotics, uzun süreli görev planlamasını robot hareketlerinin yürütülmesinden ayıran Dyna-2.1 sistemini 29 Eylül 2026'da tanıttı. Sistem; görsel-dil modeli orkestratörü, Dyna-2 politikası ve ayrı bir tam vücut denetleyicisinden oluşuyor.

Şirket, Dyna-2.1 teknik belgesinde orkestratörün sonraki adımı belirlediğini, Dyna-2 politikasının hareket için hedef yörüngeyi oluşturduğunu, tam vücut denetleyicisinin ise eklem hedef değerleriyle tekerlek hızlarını saniyede 100 kez kontrol ettiğini açıkladı.

Orkestratör; çamaşır makinesinin çalışıp çalışmadığı ve kaç havlunun katlandığı gibi görev durumlarını metin olarak kaydedip sonraki kararlarında kullanıyor. Bu bellek, sürecin kaldığı yerden devam etmesini sağlıyor. Kayıt eklenmesi tek başına hareket politikasının yeni bir beceri öğrendiği anlamına gelmiyor.

Google DeepMind, Gemini Robotics 2, Gemini Robotics ER 2 ve Gemini Robotics On-Device 2'yi 30 Temmuz 2026'da tanıttı. Şirketin açıkladığı mimaride görsel-dil-eylem (VLA) modeli girdileri hareket kontrolüne dönüştürüyor; akıl yürütme modeli fiziksel ortamı anlayıp çok aşamalı görevleri planlıyor; cihaz üstü model ise robot üzerinde çalışıyor (duyuru).

Figure AI'ın Helix sistemi iki katmanın çalışma döngülerini birbirinden ayırıyor. Şirket, Helix duyurusunda sahneyi ve dili anlayan görsel-dil modelinin saniyede 7-9 kez, kesintisiz hareket üreten görsel-motor politikanın ise saniyede 200 kez çalıştığını belirtti.

Helix'in çalışma döngüsü, bu sisteme özgü bir tasarım değeridir. Anthropic değerlendirmesindeki yanıt oranıyla veya diğer robot sistemlerinin performansıyla doğrudan karşılaştırılabilecek ortak bir ölçüt değildir.

Dil ve görsel bilgisiyle robot hareketini aynı model ailesinde birleştiren araştırmalar da bulunuyor. Google DeepMind, 2023'te RT-2'yi tanıtırken web ölçeğindeki verilerle önceden eğitilmiş görsel-dil modelini robot gösterim verileriyle birleştirdiğini açıkladı. Şirket, 6000'i aşkın robot denemesinde daha önce görülmemiş görevlere genelleme performansının mevcut temel modele kıyasla 3 kattan fazla arttığını bildirdi (RT-2 duyurusu).

Dyna Robotics, Dyna-2'yi insan bakış açısından çekilmiş 1 milyon saati aşkın video üzerinde önceden eğittiğini açıkladı. Şirketin paylaştığı araştırmada, insan videolarının miktarı arttıkça ayrı olarak değerlendirilen robot verilerindeki tahmin performansının da iyileştiği görüldü.

1 milyon saat, insanlar tarafından çekilen videoların toplam süresini ifade ediyor. Robotların fiilen hareket ettiği süreyi veya robot gösterim verilerinin ölçeğini göstermiyor.

Bu nedenle robot modellerinin büyük dil modellerinin (LLM) yerini alıp almayacağını tartışmadan önce, “robot modeli” ile neyin kastedildiğini ayırmak gerekiyor. Açıklanan örneklerde görev planlayan modeller, hareket üreten politikalar ve düşük seviyeli kontrol katmanları birlikte kullanılıyor. Bazı araştırmalarsa bilgiyle eylem çıktısını aynı model ailesinde birleştiriyor.

Düşük seviyeli kontrolde yanıt hızı ayrı bir sorun olarak duruyor. Anthropic, Temmuz 2026'daki robot kontrolü değerlendirmesinde dört ayaklı bir robotun düşük seviyeli kontrolü için saniyede yaklaşık 83 yanıt gerektiğini belirtti. Şirket, o dönemde akıl yürütme yapmayan modellerin saniyede yaklaşık 0,2-0,4 yanıt verdiğini bildirdi.

Doğrudan kontrol denemeleri, model yanıtı beklenirken simülatörün durdurulmasıyla yürütüldü. Bu nedenle sonuçlar gerçek robotların gerçek zamanlı kontrol performansının ölçümü olarak yorumlanmamalı veya tüm LLM'lerin kontrol becerilerine genellenmemeli.

Aynı değerlendirmede Anthropic, dil modelinin önceden eğitilmiş bir robot politikasını denetlediği bazı hareket ve nesne manipülasyonu görevlerinin başarıyla tamamlandığını da bildirdi. Modelin eklemleri doğrudan kontrol ettiği denemeler ile mevcut politikayı denetlediği denemeler farklı koşullarda yapıldı.

İnsan gösterimlerini robot politikalarına aktarmaya yönelik veri toplama yöntemleri de araştırılıyor. UMI çalışması, insanlarla robotların fiziksel farklılıklarını, hareket hassasiyetini ve çıkarım gecikmesini tasarım sorunları olarak ele aldı (makale).

Simülasyon sahnelerini daha gerçekçi hâle getirmek ile fiziksel dünyadaki sonuçları doğru tahmin etmek de birbirinden ayrı konular. Bir robot simülasyonu araştırması, bazı görsel navigasyon görevlerinde gerçekçiliğin artırılmasının gerçek ortama aktarımı iyileştirmediğini bildirdi. Araştırmaya göre yavaş simülasyon ve fizik modelindeki hatalara aşırı uyum performansa zarar verebilir (araştırma). Bulgular, araştırmacıların incelediği görevlere dayanıyor ve tüm simülatörlere genellenemez.

TokenPost, daha önce World ID'yi entegre eden PeakOS'un ilaç teslimatı yapan bir robotun gösterimini yayımladığını bildirmişti.

Dyna Robotics, Dyna-2.1'i müşteri sahalarında kullanıma sunmayı sonraki adım olarak gösterdi. Açıklanan örnekler, planlama, hareket üretimi ve düşük seviyeli kontrolü ayıran veya birleştiren farklı tasarımları ortaya koyuyor.