Bedenlenmiş (Embodied) Robot Zekasının Sanayileşmesi

• Robotik alanına devasa sermaye ve en üst düzey yetenek akışı oluyor, ancak endüstriyel otomasyon gibi sınırlı ortamların dışında gerçek sahadaki konuşlandırmalar hâlâ oldukça sınırlı
• Parça maliyetlerinin düşmesi, batarya ekonomisinin iyileşmesi, model mimarilerindeki ilerleme, simülasyon ortamlarının gelişmesi gibi yapısal değişimler eşzamanlı olarak ilerliyor
• Robot verisi tarafında, internet videoları yaklaşık 1 milyar saat iken robot manipülasyon verisi dünya genelinde yalnızca yaklaşık 300 bin saat seviyesinde; yani temelde veri kısıtlı bir durum söz konusu
• Aktüatör, batarya, compute ve sistem maliyetleri düşerken iş gücü maliyetleri yükseliyor; bu da otomasyonun marjinal değerinin arttığı ekonomik kesişim noktasına ulaşıldığını gösteriyor
• Veri edinimi, robot yapay zeka laboratuvarları ve dikey çözüm sağlayıcıları olmak üzere üç darboğaz alanı, gelecekte değer birikiminin merkezinde olacak

---

Mevcut durum: Abartı ile yapısal değişimin kesişim noktası

• Robotik alanına büyük miktarda sermaye akıyor ve etkileyici demolar durmaksızın geliyor, ancak depo, tarla, fabrika, hastane ve inşaat sahası gibi alanlardaki gerçek konuşlandırmalar hâlâ geleneksel emek ortamlarından çok farklı değil
• Parça maliyetlerindeki düşüş, batarya ekonomisindeki iyileşme, daha güçlü model mimarileri, daha iyi simülasyon ve eğitim ortamları, sermaye girişi ve AGI'ye yakın hedeflerin yarattığı yetenek çarkı gibi yapısal değişimler bu abartının arkasını dolduruyor
• Temel soru, robotik alanında potansiyel olup olmadığı değil; ticari ve tüketici benimsemesinde bir kırılma noktasına gelip gelinmediği ve mevcut momentumu nasıl doğrulayacağımız

Robot tarihinin dört dönemi

I. 1950–2000: Endüstriye giriş ve temellerin atılması

• Programlanabilir mekatroniğin tanımladığı bu dönemde, 1961'de General Motors'un ilk endüstriyel robotu Unimate, sınırlı mekanik hareketler için devreye alındı
• Stanford Arm, çok eksenli yetenekleri genişleterek 1990'lara kadar başlıca araştırma odağı olarak kaldı
• 1968'de Modicon'un PLC'si ve 1971'de Intel 4004 mikroişlemcisi ile makine zekası, endüstriyel otomasyon genelinde ekonomik olarak ölçeklenebilir hâle geldi
• 1980'lerde IBM PC, bilişimi mühendisliğin ana akımına taşırken robotlar da izole makine kurulumları olmaktan çıkıp dijital üretim ortamının bir parçası olarak entegre oldu

II. 2000–2010: Açık robotik ve mobil bileşenler dönemi

• 2007'de ROS(Robot Operating System) için ilk commit ve PR2 araştırma platformu, topluluğa ilk kez paylaşılan bir yazılım katmanı ve ortak geliştirme ortamı sundu
• Aynı yıl Apple'ın iPhone'u piyasaya sürmesiyle sensör, batarya, kamera, gömülü compute ve düşük güçlü elektronik bileşen tedarik zinciri genelinde uzun vadeli bir maliyet sıkışması başladı; robotik de bundan yararlandı
• Universal Robots (2005'te kuruldu), iRobot'un Roomba'sı (2002) ve Kiva Systems (2003) bunun doğrudan faydalanıcıları oldu
• 2012'de Amazon'un Kiva satın alımı, robotların araştırma heyecanının ötesinde stratejik ticari değer yaratabileceğine dair ilk somut sinyal oldu

III. 2010–2020: Kolaboratif robotlar ve edge compute

• Üç eğilim birleşti: (1) kolaboratif robotların ticari güvenilirlik kazanması — KUKA LBR iiwa, insan-robot iş birliği sertifikası alan ilk seri üretim hassas robot oldu; Universal Robots ise erişilebilirlik ve dağıtım kolaylığını ileri taşımayı sürdürdü
• (2) 2014'te Nvidia Jetson'ın çıkışıyla GPU edge compute pratik hâle geldi; böylece gerçek zamanlı yapay zeka ve bilgisayarlı görü, konuşlandırılabilir sistemlere yaklaştı (2006'daki CUDA ve sonrasında transformer mimarisi temelli ilerlemelerle)
• (3) Yapay zeka yığınının temel dönüşümü — Trust Region Policy Optimization, Model-Agnostic Meta-Learning, Non-Local Neural Networks gibi atılımlar, el işçiliğine dayalı pipeline'ların yerini uçtan uca veri temelli algı ve kontrolün almaya başlamasını sağladı
• Sonuç olarak robotik, yapılandırılmış hard-code kurallardan pekiştirmeli öğrenme, simülasyon ve taklit yoluyla algı temelli öğrenmeye kaydı; açık programlama yerine hareket becerileri veriden edinilmeye başlandı

IV. 2020–günümüz: Physical AI

• Google'ın 2017 tarihli transformer makalesi, robot kontrolünü büyük ve çeşitli gerçek dünya veri kümeleriyle eğitilen bir transformer problemi olarak çerçeveleyen RT-1'e (2022) uzandı
• RT-2 (2023), hem web hem robot verileriyle öğrenen bir vision-language-action(VLA) modeli olarak bunu genişletti
• NVIDIA, Project GR00T'u (2024) duyurdu ve GR00T N1 (2025) ile açık bir insansı robot foundation model yayımladı
• Physical Intelligence, Skild AI, Field AI gibi yeni robot model laboratuvarları ortaya çıktı
• 5G ile daha hızlı kablosuz bağlantı ve daha güvenilir teleoperasyon, daha iyi veri pipeline'ları ve sahadaki donanım yeteneklerindeki artış sayesinde uzaktan operasyon, fleet software ve veri toplama döngüleri büyüdü

Ekonomik koşullardaki değişim

Parça ve sistem maliyetlerinde düşüş

• Robot sistemlerinin başlıca bileşenleri aktüatörler, sensörler, bataryalar, yarı iletkenler/çipler ve mekanik yapılardır; insansı robotlar bunların çoğunu içerdiği için makul bir proxy işlevi görür
• Morgan Stanley, Tesla Optimus'un BOM'unu bölüm bölüm ayırarak her bileşenin toplam sistem içindeki katkısına örnek sunuyor

Aktüatörler

• Birçok robot sisteminde maliyetin en büyük payını oluşturur; Çin'in pazara hakim olması, belirli kullanım senaryoları ve tedarik zinciri dayanıklılığı açısından karmaşıklık yaratır
• Ortalama aktüatör fiyatları enflasyonun üzerinde artış eğiliminde olsa da, yoğunluğa göre normalize edildiğinde gerçek görünüm anlamlı biçimde iyileşiyor
• Elektrikli lineer aktüatörlerde hassasiyet, kontrol ve ince hareket kabiliyeti sürekli gelişiyor — kalıcı mıknatıslı lineer motorlarda takip hatası 2003'te 7μm'nin altındayken sonraki çalışmalarda yaklaşık 0.5μm RMS düzeyine indi

Batarya maliyetleri

• Otomotiv endüstrisi ve şebeke ölçekli depolama sistemleri sayesinde sert biçimde düştü
• Li-Ion bazında kWh başına maliyet 2013'ten bu yana yaklaşık %87 azaldı, 2020 sonrasındaysa yaklaşık %36 daha düştü; artık denge bölgesine yaklaşması bekleniyor

Compute maliyeti

• Doğrudan bir BOM kalemi olmasa da uzun vadeli ekonominin anahtarı
• Robotların emekten daha iyi performans gösterebilmesi için edge compute maliyetlerinin sürekli düşmesi ve parametreleştirilmiş modellerin performansının artması gerekiyor
• Nvidia Jetson serisi çiplerde 2014'ten bu yana dolar başına performans katlar düzeyinde iyileşti

Sistem maliyeti

• Endüstriyel robotlar örneğinde son 30 yılda kayda değer biçimde düştü ve daha da düşmesi bekleniyor

ABD iş gücü maliyetleri

• Depo ve lojistikte (tipik kullanım alanı) ortalama saatlik ücret istikrarlı biçimde yükseldi
• Taşıma ve depolama çalışanlarının ücret artışı, 2003 baz endeksine göre enflasyonun üzerine çıktı; bu da alandaki iş gücü talebinin önemini destekliyor

Otomasyonun ekonomik değerindeki artış

• Maliyet eğrileri birlikte ele alındığında otomasyon/robotiğin marjinal değerinin arttığı görülüyor
• Bunu NPV bazında görselleştirince tablo netleşiyor, ancak "verimli sınır" modele göre değişiyor
  • Varsayımlar: Indeed'e göre giriş seviyesi depo ücretleri ve yan haklar, 8 yıllık faydalı ömür, peşin modelde %20 bakım maliyeti, %10 iskonto oranı

Benimseme kırılma noktasındaki temel trade-off'lar

• Donanım vs. zeka — Çin ile ABD'nin farklı yaklaşımlarını yansıtan bir ayrım. Çin, mevcut üretim altyapısı ve tedarik zinciri sayesinde donanım geliştirmede avantajlı; ABD ise AI/ML ve erken dönem LLM foundation model laboratuvarlarında önde. Zamanla iki alanın daha fazla kesişmesi bekleniyor
• Endüstriyel vs. tüketici — Palet toplama ile tabak kaldırma yüzeyde benzer görünse de hareket, kavrama dinamiği ve basınç toleransları farklıdır. Endüstriyel ortamlardaki mevcut robot varlığı ve net ROI nedeniyle ilk ölçeklenme endüstride olacak, ev tipi insansı robotların kitleselleşmesi ise daha sonra gelecek
• Açık kaynak(Android) vs. kapalı(iOS) — Akıllı telefonlardaki Android/iOS ayrımına benzer şekilde robotikte de geliştirici odaklı açık platformlar (ROS benzeri eşdeğerler, açık donanım ekosistemi) ile donanım, yazılım ve modelin sıkı biçimde entegre edildiği dikey entegre kapalı sistemler arasında ayrışma başlıyor

Zeka yığını: ekonominin ötesi

• Parça maliyetlerindeki düşüş, robotların finanse edilebilirliğini artırır; ancak piyasa anlatısının dar otomasyondan genel amaçlı robotlara neden kaydığını açıklamaz — bu dönüşüm zeka katmanıyla ilgilidir
• Robotik; daha basit mühendislik temelli algı, planlama ve dünya varsayımlarından; büyük ölçekli video, robot gösterimi, sentetik tahmin ve çok modlu girdilerle eğitilmiş öğrenilmiş temsillere doğru ilerliyor

1. Veri sorunu

• Robotik için hâlâ fiziksel dünyanın internete denk gelen verisi yok
• LLM'ler dijitalleştirilmiş metin ve medyayı toplayabildi, ancak robot öğrenmesi hâlâ teleoperasyon, insan operatörler, fiziksel donanım ve gerçek dünya ortamlarına bağlı
• Veri uçurumu: internet videoları yaklaşık 1 milyar saat → otonom sürüş verisi yaklaşık 350 milyon saat → dünya modeli eğitimi proxy'leri (Cosmos vb.) yaklaşık 20 milyon saat → dünya genelinde robot manipülasyon verisi yaklaşık 300 bin saat (Bessemer raporuna göre)
• Tüm veriler aynı şekilde üretilmez ya da kullanılamaz; genel olarak veri değeri ile ölçeklenebilirlik ters korelasyonludur

2. Zeka katmanındaki performans artışı

• Hem dünya bilgisi (world model'ler) hem de eylem bilgisi (VLM/VLA modelleri, çok modlu robot foundation model'leri) hızlı ilerliyor
• Dünya bilgisi — nesne hareketi, sıvı akışı, kumaşın dökülüşü gibi — zengin video ve modelleme sayesinde giderek daha fazla öğrenilebilir hâle geliyor
• Eylem bilgisi — belirli bir kolun, elin ya da insansı robotun komutu harekete nasıl çevirdiği — hâlâ bedenlenmeye özgü, ancak önceki kuşakların varsaydığından çok daha az robot-özgü veriyle yetinmek mümkün olabilir
• Meta'nın V-JEPA 2 modeli, 1 milyon saatin üzerindeki videoyla ön eğitim aldıktan sonra 62 saatten az robot videosu ile davranış koşullandırması yapıyor
• Google'ın RT-2 modeli, web ölçekli vision-language öğrenimini gerçek robot kontrolüne genişletiyor
• Simülatörler hâlâ geçerli; locomotion, fizik motorlarına iyi eşleniyor ancak rolleri giderek daralıyor. Temas yoğun manipülasyonda öğrenilmiş dünya modelleri daha önemli hâle geliyor

3. Teoriden çözüme geçiş

• Daha iyi modeller önce pratik sonuçlarda görünür: daha iyi grasping, daha az teleoperasyon müdahalesi, yeni SKU'lara daha hızlı uyum, daha dayanıklı manipülasyon ve sınırlı iş akışları içinde daha uzun otonom çalışma süresi
• Robotikte bir "ChatGPT anı" yaşanıp yaşanmadığı tartışılsa da, daha ilgili soru yeni zeka katmanının pilot aşamadan üretime geçiş eşiğini aşacak kadar yeterli olup olmadığıdır
• Yığının çözüm sırası: veri edinimi → robot neo laboratuvarlarının bunu yeniden kullanılabilir zekaya dönüştürmesi → dikey çözüm sağlayıcılarının bunu ölçülebilir iş gücü ekonomisine çevirmesi

Yatırım odağı: üç temel darboğaz

1. Veri erişiminin yetersizliği → Veri edinimi (Data Enablement)

• Robotik temelde veri kısıtlıysa, veri edinimi yığında en önemli kısa vadeli kategorilerden biri hâline gelir
• Egocentric ve teleoperasyon verisi yakalama, sentetik ortam üretimi, uç durum değerlendirmesi, sinyal arıtımı ve sistem iyileştirmesi için geri besleme döngülerinin kurulmasını kapsar
• Referans alınabilecek örnekler: Scale AI (veri etiketleme ve anotasyon), Mercor / Mirco1 (insan verisi)
• İlk yapay zeka veri etiketleme dalgasına benzer şekilde, en güçlü işletmelerin başlangıçtaki hizmet/araç kamasını kullanarak yüksek değerli iş akışı yazılımına, modele yakın araçlara ve ikame edilmesi zor özel veri döngülerine geçmesi muhtemel
• Bu kez işin içinde donanım da olabilir

2. Hâlâ erken aşamadaki zeka katmanı → Robot Neo Labs

• Zeka katmanı daha kullanışlı hâle geliyor ama hâlâ erken aşamada; bu yüzden Robot Neo Labs, bir sonraki mantıklı alan olarak öne çıkıyor
• Eskiden parçalı olan fiziksel dünya modellerini yeniden kullanılabilir zekaya dönüştürmeye çalışan şirketler
• Dünya modelleri, eylem modelleri, çok modlu robot foundation model'leri ile eğitim, değerlendirme ve dağıtım araçları etrafında çalışan ekiplerde değer birikiyor
• Skild, Physical Intelligence ve Field AI şimdiden milyarlarca dolarlık değerlemelere ulaştı; bu da robot laboratuvarları için kingmaker döngüsünü başlattı
• Asıl ilgi laboratuvarların kendisinden çok çevrelerinde ve alt katmanlarında inşa edilenlere yöneliyor — veri, bedenlenme, değerlendirme ve çıkarım verimliliği genelinde bileşik etki yaratabilen ekipler gerçek kazananlar olabilir
• Exit yollarının da önceki robotik döngülerden farklı olması bekleniyor — geleneksel kilometre taşlarından ziyade hız, yetenek yoğunluğu, özel veri ve teknik konumlanma daha önemli olabilir
• Daha fazla acquihire, IP temelli çıktılar ve stratejik ortaklık bekleniyor
• Edge inference ve özelleşmiş on-device compute alanına ilginin yeniden yükselmesi mümkün — laboratuvarlar ve ortakları, yüksek maliyetli merkezi compute bağımlılığını azaltmak istiyor

3. Teknolojik ilerlemeyi gerçek iş akışı sonuçlarına dönüştürmek → Dikey çözüm sağlayıcıları (VSP)

• Daha iyi zeka, robotları kısıtlı ortamlarda daha yetkin hâle getiriyorsa, bundan kısa vadede en doğrudan ticari faydayı sağlayacak olanlar bunu gerçek müşteri iş akışlarına yerleştiren şirketler olacak
• Birçok fiziksel iş akışı öğrenilebilir olacak kadar kısıtlı, konuşlandırmayı haklı çıkaracak kadar değerli ve daha iyi zekanın eksik parça olduğu kadar da karmaşık
• Endüstriyel ve ticari kullanım senaryoları kısa vadede tüketici tarafına göre daha umut verici — ROI daha net, iş gücü sorunu daha acil ve pilot aşamadan üretime geçiş yolunu satın almak daha kolay
• Evrensel kabul görmüş bir benimseme standardının olmaması zorluk yaratıyor — müşteriler hızı (saat başına paketlenen ürün), doğruluğu (doğru toplanan ürün oranı) ve maliyeti (normalize saatlik maliyet) arasında kayan bir ölçekle değerlendirme yapıyor; nihai metrik iş gücü verimliliği
• Ölçeklenme muhtemelen iş gücünü destekleme ile başlayacak — özellikle iş gücü açığı olan segmentlerde ve gece/hafta sonu gibi iş gücü erişiminin düşük olduğu zaman dilimlerinde ROI ortaya çıkacak; hız ve doğruluk için daha düşük eşikler, yüksek başlangıç maliyetlerini haklı çıkarırken yerel ölçekte birikim sağlayacak
• Bir sonraki edinim katmanı şimdiden görünür durumda: entegrasyon, servis, uptime yönetimi, bakım ve finansman
  • Formic, robotlar pilot aşamadan fleet düzeyine geçerken çevresindeki ekosistemin de yatırım yapılabilir hâle geldiğini erkenden işaret etmişti
  • Birçok pazarda kalıcı şirketlerin nihayetinde inşa edileceği yer tam olarak burası olacak