Apple'ın AMP1 robot kolu 108 testin 104'ünü başarıyla tamamladı

Apple'ın (AAPL) araştırmacılarının geliştirdiği robot kontrol sistemi AMP1, gerçek robot koluyla yapılan 108 denemenin 104'ünde başarılı oldu. Aynı testlerde özel kontrol modeli FLUX 3 Action 49, π0.5 ise 30 denemeyi tamamladı.

Araştırmacılar, 6 Kasım'da arXiv'de ön yayımladıkları “On Agentic Manipulation Policies” başlıklı makalede AMP1'in yapısını ve test sonuçlarını anlattı. Sistem, genel amaçlı bir yapay zekâ modelinin Python kodu yazıp çalıştırarak robot kolunu kontrol etmesine dayanıyor. Model, görev sırasında yeni gözlemler yaptıkça sıradaki hareketi yeniden belirliyor.

AMP1'in kontrol sistemi modele kamera görüntülerini, derinlik bilgisini ve robotun durumunu iletiyor. Modelin yazdığı kod, sürekli çalışan bir Python yorumlayıcısında yürütülüyor; bu sayede sistem robotun durumunu kontrol edebiliyor veya kolun hareket etmesini isteyebiliyor.

Temel sistemde nesneleri kavrama, itme ya da bırakma gibi hazır hareket becerileri bulunmuyor. Model, nesneleri ve çevreyi inceleyerek gereken eylemleri bir araya getiriyor ve görevi nasıl tamamlayacağına karar veriyor.

Araştırmada “sıfır atışlı” test, göreve özel gösterimler, önceden alıştırma veya ek eğitim olmadan yapılan denemeleri ifade ediyor. Araştırmacılar temel kontrol yapısını tek kollu, çift kollu ve mobil robotlara uyguladı; yalnızca robot ve kamera düzeneklerine ilişkin açıklamaları değiştirdi.

Araştırmacılar, özel politikalarla karşılaştırma için görsel-dil-eylem (VLA) ve dünya-eylem modeli (WAM) türlerini kullandı. Bu modeller, robotların gözlemlerine göre hareket etmesi için eğitiliyor ve genellikle robot gösterim verilerine ya da göreve özel eğitime dayanıyor.

120 görevden oluşan RoboLab-120 simülasyonunda AMP1, Gemini 4 Argon'a bağlandığında yüzde 85,6, Claude Opus 5.5'e bağlandığında yüzde 82,8 başarı oranına ulaştı. Makalede verilen en iyi VLA ve WAM politikalarının başarı oranları sırasıyla yüzde 49,2 ve yüzde 42,9 oldu.

Bu sonuç, AMP1'in genel amaçlı modeller kullanan tüm robot sistemlerinden daha iyi olduğu anlamına gelmiyor. Makalede, ayrı değerlendirilen ajan tabanlı Astranomy politikasının GPT-6 Astra ile RoboLab-120'de yüzde 74,8 başarı oranı elde ettiği de belirtildi.

AMP1, farklı simülasyon görev kümelerinde de sonuç verdi. Gemini 4 Argon'a bağlandığında LIBERO-PRO'da yüzde 95,2, robosuite'te yüzde 100 ve BEHAVIOR-1K'de yüzde 96 başarı oranı kaydetti. Bu oranların her biri farklı bir görev kümesinde ölçüldü.

Gerçek robot testleri, Franka Research 3 robot kolunu kullanan üç farklı platform düzeninde yapıldı. Her düzenekte kamera kalibrasyonu, kablolama, parça aşınması ve arka plan farklıydı; AMP1 ise Claude Opus 5.5'e bağlı olarak çalıştı.

Testler, tek bir nesneyi taşımaktan birden fazla nesneyi ayırt edip sırayla yerleştirmeye kadar 12 görev türünü kapsadı. “Çekiç dışındaki tüm aletleri kutuya koy” gibi görevler, nesneleri tanımayı ve hareket sırasına karar vermeyi gerektiriyordu.

Gerçek robot testlerinde AMP1 toplam 108 denemenin 104'ünü başarıyla tamamladı. FLUX 3 Action 49, π0.5 ise 30 denemede başarılı oldu.

Ancak hata yönetimi koşulları modeller arasında farklıydı. Robot hareketi çarpışma gibi bir nedenle durduğunda AMP1 hatayı giderip yeniden deneyebiliyordu. Karşılaştırılan modellerde ise kontrol hatası oluştuğunda deneme sona eriyordu. AMP1'in kurtarma özelliği kapatıldığında başarı sayısı 108 denemede 94'e düştü.

Yalnızca başarılı denemeler hesaba katıldığında ortalama tamamlanma süresi AMP1 için 280 saniyeydi. Bu sürenin 211 saniyesi model çıkarımı ve kod yürütme gibi işlemlerden oluştu. FLUX 3 Action'ın süresi 44 saniye, π0.5'in süresi ise 62 saniyeydi.

Model seçimi ve algısal bilgi de sonuçları etkiledi. RoboLab-120'de AMP1, Haiku 5.5'e bağlandığında yüzde 51,6 başarı oranına ulaştı; Claude Opus 5.5 ile oran yüzde 82,8'di. Opus 5.5'in başarı oranı derinlik bilgisi olmadığında yüzde 81,1'e, hem derinlik hem kamera kalibrasyonu bilgisi olmadığında yüzde 75,8'e geriledi. Görüntü yerine metin açıklaması kullanıldığında ise oran yüzde 36,8 oldu.

Apple'ın daha önce yayımladığı HALO insansı robot otonom kontrol sistemi araştırması, altı gerçek iç mekânda tek bir görev için 360 denemede ortalama yüzde 91 başarı oranı kaydetmişti. HALO çalışması insansı robotların iç mekân görevlerine odaklanırken AMP1 araştırması robot kollarının nesne manipülasyonu performansını ve karar verme süresini ölçtü. Deney sonuçları ve karşılaştırma koşulları Apple araştırmacılarının makalesinde yer alıyor.