Ayın Keşfi Hackathon Şampiyonu Ekibiyle Söyleşi: Beşinci Nesil Ontoloji Açık Kaynak, Kendi Kendine Evrim ve Mağaza Doğrulamasını Bekleyen Rota
Orijinal Başlık: "Ay Projesi Hackathon Şampiyonu Ekibiyle Söyleşi: Beşinci Nesil Açık Kaynak, Kendi Kendini Geliştirme ve Mağaza Doğrulamasını Bekleyen Rota"
Orijinal Yazar: Dongcha Beating
1961 yılında Unimate, ABD'deki General Motors'un bir montaj hattında kullanılmaya başlandı. Daha erken bir tasarımda, operatör önce mekanik bir kavrayıcıyla bir kez geçer, makine konumları kaydeder ve ardından aynısını yapardı. Endüstriyel robotların ilk öğrendiği şey, dünyayı açıklamak değil, bir hareketi yeterince güvenilir bir şekilde tekrarlamaktı.
Altmış yıldan fazla bir süre sonra, Ay Projesi Somut Zeka Hackathonu'nda LoopMaster ekibi, bu konsepti perakende mağazalarına taşımaya çalıştı. Tam yönlü bir tekerlek şasisi, kaldırma mekanizması, çift robotik kol ve ön tepsiyle donatılmış bir robot, raflar ve müşteriler arasında hareket edebilen bir "satış robotu" olarak hayal edildi. Mağaza müdürü veya çalışanı, önce uzaktan kumanda, sesli komutlar ve az miktarda gösterimle robota rafları, dolapları ve ürün alma yollarını tanıtır; ardından robot ürünleri alır, teslim eder, stokları yeniler ve her etkileşimi kaydeder.
Bu robot henüz gerçek bir mağazada uzun süreli çalışmadı; ekip yalnızca hackathon sahasında testler yaptı ve birkaç yüz sipariş kaydetti. İki yılda geri dönüş, satış maliyetlerinde %40 azalma, önce dağıtım sonra veri toplama ve ardından uçtan uca modeli iyileştirme gibi planlar, ekibin üzerinde çalıştığı yollar. Bunlar, gerçek bir mağaza defterinden hâlâ uzak.
Ancak bu ekipte nadir görülen bir dürüstlük var. Agent Loop'tan bahsederler, ancak savunma hendeklerini henüz tam olarak düşünmediklerini kabul ederler; makinelerin insan iş gücünü tamamen değiştireceği hayalini kurarlar, ancak insanlar arasındaki arkadaşlık, sıcaklık ve istisnaları yönetme yeteneğinin şimdilik makinelere devredilemeyeceğini de kabul ederler.
Ekip, sunum ve raporlama sahasında
Uzun süredir çevrimiçi tanışan bir grup insanın ilk kez yüz yüze bir araya gelerek fikir alışverişi yapması
LoopMaster'ın dört temel üyesi arasında, Bilibili'de somut zeka içeriği üreten biri, robotik ve insan-bilgisayar etkileşimi alanında doktora yapan biri ve otomotiv ürün tasarımından bağımsız tasarıma geçen biri var.
Onları bir araya getiren şeyin, son iki yıldaki çevrimiçi iş birliği olduğunu söylüyorlar. Algoritma, gövde, veri, düşük maliyetli robotik kollar, ürün görünümü—her biri farklı bir giriş noktasından başladı ve zamanla birbirlerinin hangi boşlukları doldurabileceğini fark etti. Bazıları hackathon sahasında ilk kez yüz yüze geldi, ancak ekip yalnızca o kadar kısa bir süredir tanışmıyor.
Dongcha Beating: Önce kendinizi ve şu anda yaptığınız işi tanıtır mısınız?
Xie Jun: Ben Xie Jun, şu anda Northeast Üniversitesi'nde yüksek lisans ikinci sınıf öğrencisiyim ve aynı zamanda B站'da gömülü zeka alanında içerik üretiyorum. Şu anda ağırlıklı olarak LoopMaster'ın girişim kuluçka sürecinde yer alıyorum.
Zou Yanwen: Adım Zou Yanwen, şu anda Shanghai Jiao Tong Üniversitesi ve Chuangzhi Lianpei ortak doktora programında öğrenciyim. Temel olarak gömülü manipülasyon ve gömülü zekaya yönelik insan-bilgisayar etkileşimi üzerine çalışıyorum.
Li Pengdong: Ben Li Pengdong, Taiyuan Bilim ve Teknoloji Üniversitesi'nde yüksek lisans ikinci sınıf öğrencisiyim ve aynı zamanda B站'da gömülü zeka alanında içerik üretiyorum. 2024 yılı sonunda, ALOHA'yı erken dönemde yeniden üreten ve süreci açık kaynaklı bir eğitim haline getiren kişilerden biriydim. Daha sonra birkaç robot daha yaptım ve sonunda çift kollu kaldırma robotu ürettim. Bunu mümkün olduğunca tamamen açık kaynaklı bir formda yapmaya çalıştım, böylece bütçesi kısıtlı öğrencilerin de yeniden üretebilmesini hedefledim.
Xu Xinhao: Ben takımın tasarımcısıyım. Daha önce bir otomotiv şirketinde ürün tasarımı yapıyordum, daha sonra Xiaohongshu ve kendi markam üzerinde çalışmaya başladım, ayrıca bazı tasarım hizmetleri de alıyorum. Şu anda bağımsız bir tasarımcıyım.
Dongcha Beating: Bu hackathon sayesinde mi takım kurdunuz? Şimdi resmi olarak birlikte girişim yapmaya mı hazırlanıyorsunuz, yoksa hala kendi işlerinize mi devam ediyorsunuz?
Xie Jun: Birbirimizi bu hackathondan çok daha önce, yaklaşık iki yıldır tanıyoruz. Erken dönemde birçok çevrimiçi iş birliğimiz oldu, hepimiz gömülü zekayla ilgili şeyler yapıyorduk. B站'da ilk videolarımı yayınladığımda Pengdong'u tanıdım ve Xinhao'nun tasarımlarını da sürekli takip ettim. Yanwen, Amerika'da okurken de benzer içerikler üretiyordu.
Aramızda herkes birbiriyle daha önce yüz yüze tanışmış değildi. Bazıları ilk kez hackathon sahasında birbirini gördü, ancak bu takım son anda bir araya gelmiş bir ekip değil. Geçmişte sürekli olarak algoritmalar, gövde tasarımı ve veriler hakkında fikir alışverişinde bulunduk, DIY kitleri ve erken dönem ürünler yaptık, bazı satışlar gerçekleştirdik. Basit dış ticari işlemleri yürütmek için birkaç küçük şirket de kurduk.
Önceki durum daha çok bir meraklı laboratuvarı veya atölyesi gibiydi, tam anlamıyla bir girişim şirketi sayılmazdı. Şimdi, ben, Pengdong ve Xinhao, Ay Keşfi ile iş birliğine devam ederek projeyi gerçekten hayata geçirilebilir bir yöne taşımayı planlıyoruz. Yanwen hala okuyor, şimdilik tam zamanlı olarak bu işe katılmayacak.
Dongcha Beating: Hackathondan önce, yaklaşık iki yıllık bir Ar-Ge ve bazı ticarileşme denemeleriniz olmuş. Bu süreçte nasıl bir uyum sağladınız?
Xie Jun: Erken dönemde tanıştığımızda, hepimiz yeni okula başlamış veya yüksek lisansa yeni başlamış öğrencilerdik. Başlangıçta sadece bir grup gömülü zeka meraklısıydık, algoritmalar, gövde tasarımı ve verilerin nasıl yapılması gerektiği konusunda fikir alışverişinde bulunuyorduk. Daha sonra DIY kitleri ve üretilip satılan bazı erken dönem ürünler oldu, böylece yavaş yavaş dış ticari işlemler ve küçük şirket yapısı oluştu.
Yani hackathon öncesinde tam bir girişim ekibi değildik, daha çok sürekli bir şeyler üreten ve çevrimiçi buluşan bir gruptuk. Yarışma, bu birikimlerin ilk kez aynı ortamda bir araya gelmesini sağladı.
Ekip üyelerinin ödül fotoğrafı
Dongcha Beating: LoopMaster, Ay Projesi Embodied Intelligence Hackathon'unda neden birinci oldu? Bu 48 saat aslında neyi test etti?
Xie Jun: Öncelikle, son iki-üç yıldır embodied intelligence alanında yaptığımız birikimler. Robotun gövdesi, kontrolü, algoritmaları ve verileri yarışmayla başlamadı. LoopMaster'ın robot formu ve perakende senaryosu, sahada önerip hayata geçirdiğimiz şeylerdi, ancak bunu kısa sürede yapabilmemiz, önceki uzun vadeli bilgi ve teknik birikim sayesinde oldu.
Yarışma alanında, gövdeyi, embodied intelligence algısını, robot kontrol deneyimini ve algoritma düşüncesini bir araya getirdik ve işte bu çarpışma ve patlama yaşandı.
Zou Yanwen: Hackathon çok kapsamlı bir sınavdı. Ekip içinde net bir iş bölümü olmalı ve herkesin yaptığı iş sağlam olmalı. Teknik olarak, daha önce sadece kafanda olan bir sistemi çok kısa sürede kurman gerekiyor. Az uyku, yüksek tempo, insanı çok ilginç bir çalışma durumuna sokuyor. Bu da birçok kişinin hackathon'ları sevmesinin nedeni.
Sadece teknik de değil. Sonunda bir şeyi bir ürün haline getirip, ticari ve uygulanabilir bir Demo sunmalısın. Sunumun etkisini değerlendirebilmen ve 48 saat içinde her zaman diliminde neyin tamamlanması gerektiğine dair bir hisse sahip olman gerek. Bu sefer iş bölümü, proje temposu ve son sunumda iyi bir uyum yakaladık.
Dongcha Beating: Donanım hackathon'u ile yazılım hackathon'u arasındaki en büyük fark nedir?
Zou Yanwen: Yazılım hackathon'larında, birçok kişi bilgisayar ortamını ayarlayıp doğrudan işe başlayabilir ve yaptıkları şeyler genellikle nihai teslimata yöneliktir. Donanım farklıdır; sahada projeyle doğrudan ilgisi olmayan, ancak çözülmeden devam edilemeyecek birçok beklenmedik durum ortaya çıkar.
İlk gün, ağa bağlanamama sorunuyla karşılaştık ve bunu çözmek için çok zaman harcadık. Birisi kartını yakabilir, bir diğeri geçici olarak yeni bir kart değiştirmek zorunda kalabilir; sahadaki robot kolları veya robot platformları da arızalanabilir. Kendi platformumuz da aynıydı. Gerçek dünyadaki donanımlarla uğraşırken, sürekli olarak öngörülemeyen sorunlarla karşılaşırsın. Bunlar, projenin çözmek istediği sorunla ilgili olmayabilir, ancak en değerli zamanını tüketirler.
Beş Nesil Robot ve Kesilen Bel Eklemi
Yarışma alanındaki LoopMaster, 48 saat içinde yoktan var edilmiş bir makine değil. Li Pengdong, bu tür gövdeleri iki yıldır ürettiklerini ve en son sürümün beşinci nesil olduğunu söylüyor. Önceki nesil makineler birçok sorunla karşılaştı. Servo motorların yükü, hassasiyeti, boşluğu ve ömrü, çekilen bir kablo demeti veya eklenen bir işlevle ortaya çıkan bir arıza, oldukça kullanışlı görünen bir makineyi olduğu yerde durdurabiliyordu.
En ilginç takaslardan biri, önce robota bir "bel" yapıp ardından beşinci nesilde bel eklemini kaldırmak oldu. Bel eklemi, masaüstü çalışma alanını genişleterek makinenin daha uzağa uzanmasını sağlıyordu. Ancak aynı zamanda ürünü daha basit, daha kararlı ve daha kolay tekrarlanabilir hale getirmek istediler ve bu nedenle mekanik yapıda bir geri adımı kabul ettiler.
Beating Gözlemi: Bugün bir mağaza sipariş verse, tam olarak ne alıyor? Robot mağazada ne yapabilir?
Xie Jun: Hayal ettiğimiz ürün, çok yönlü tekerlekli bir şasi, kaldırma mekanizması, çift robotik kol ve ön tarafta bir tepsiye sahip bir robot. Mağaza satın aldıktan sonra, nispeten basit uzaktan kumanda veya doğal dil komutlarıyla robotun mağaza deposu, rafları ve ürünlerin konumlarına alışmasını sağlayabilir.
Perakende senaryosunda, robot esas olarak kullanıcı siparişlerinden sonra ürünleri alıp teslim etme, stok yenileme ve ürünleri raflara yerleştirme gibi işleri yapar. Ön taraftaki tepsiye önceden bir miktar ürün yerleştirilebilir ve robot, ürün alma ve teslim etme arasında bunu bir ara istasyon olarak kullanabilir.
İki yılda beş nesil robot (sağdan sola)
Beating Gözlemi: Şu anda gerçek bir mağazada veya simüle edilmiş bir mağazada test edildi mi?
Xie Jun: Henüz değil. Yarışma alanında testler yaptık ve yüzlerce sipariş kaydı bıraktık.
Bu hackathon'un teması, 48 saat içinde sıfırdan bir şey yapmaktı. Mevcut tekerlekli çift kollu şasi üzerinde, perakende senaryosunu, uygulama yöntemini ve algoritma çerçevesini yerinde tasarladık. Bu nedenle, kullanıcıların nasıl kullanacağı ve ürünün nasıl hayata geçirileceği hala çok ilkel aşamada.
Beating Gözlemi: Bundan sonra, beklentileri karşılayıp karşılamadığını hangi göstergelerle değerlendireceksiniz?
Xie Jun: Aşamalı olarak ilerlememiz gerekiyor. Önce gövdeyi (motorlar, kablo demetleri ve tüm makine işlevleri dahil) stabilize edeceğiz. Ardından Agent kontrol çerçevesini sağlam bir şekilde çalıştıracağız. Daha sonra ise kendi kendine evrimleşen öğrenme konusu var. Her bir parça stabilize olduktan sonra, resmi ticarileşme hakkında konuşacağız.
Beating İncelemesi: Bu beş nesil gövde tam olarak nasıl bir evrim geçirdi? İlk fikirden bugüne, ürüne dair anlayışınızda ne gibi değişiklikler oldu?
Li Pengdong: İlk dört nesil esas olarak servo motorlar, yani aktüatörler kullandı. Kontrolleri oldukça hassastı, sürüş ve yapıları nispeten basitti ancak yük taşıma kapasiteleri sınırlıydı.
Daha sonra üç tekerlekli, her yöne hareket edebilen bir şasi yaptık ve buna kaldırma kolonu ile çift kol ekledik. Bitirdiğimizde, masa üzerindeki çalışma alanının çok küçük olduğunu, kabaca bir bilgisayar boyutunda olduğunu ve biraz uzağa uzanamadığını gördük. Ardından bel eklemeli bir versiyon yaparak masa üzerindeki çalışma alanını genişlettik.
Daha sonra, büyük ölçüde 3D baskılı parçalara dayanan yapıyı, ana gövde için sac metal parçalara dönüştürdük ve stabilite arttı. Ancak işlevler arttıkça sorunlar da arttı. Örneğin, kablo demeti hafifçe çekildiğinde tüm makine görevi durdurabiliyordu; gövde ağırlaştıkça yük kapasitesi de azalıyordu. Beşinci nesilde sonunda eklem motor modüllerine geçtik, daha fazla metal parça kullandık ve yapıyı daha basit hale getirdik. Yük taşıması gereken yerleri güçlendirdik, gereksiz kısımları çıkardık ve performans, maliyet, seri üretilebilirlik ve tekrarlanabilirlik arasında bir denge bulmayı amaçladık.
Xie Jun: 2023'ün sonundan itibaren, düşük maliyetli ve yüksek fiyat-performans oranına sahip somutlaşmış zeka sistemleri yapmak için aktüatörler kullanmaya başladık. Pratik kullanımda, aktüatörlerin stabilite, boşluk, hassasiyet ve ömür açısından sınırlamaları olduğunu gördük. Eklem motor modüllerine geçtikten sonra, genel maliyet ve stabilite açısından büyük bir iyileşme sağlandı.
Beating İncelemesi: Evrim sürecinde, özellikle korumak istediğiniz ancak sonunda çıkarmak zorunda kaldığınız bir özellik oldu mu?
Li Pengdong: Bel eklemi en doğrudan örnek. Dördüncü nesilde bel vardı, beşinci nesilde de korumayı planlamıştık ancak yapıyı daha basit hale getirmek için sonunda çıkardık. Bu, mekanik yapıda bir geri adım gibi görünse de aslında güvenilirliği ön plana koyduk.
Beating İncelemesi: Bu makine neden tamamen açık kaynak yapıldı? Şu anki maliyeti ve satış fiyatı ne seviyede?
Li Pengdong: Gövde tamamen açık kaynak, herkes BOM listesini görebilir. İlk hesaplamalarımıza göre, kullanıcı parçaların bir kısmını kendisi işler, standart parçaları satın alır ve montaj ile ayarlamayı tamamlarsa, maliyet yaklaşık 30.000 RMB oluyor.
Kullanıcı yarı mamul bir ürün veya doğrudan ayarlanmış bir robot almak isterse, tamamen açık kaynak olduğu için fiyatın 50.000 RMB'nin altında, yaklaşık 40.000 RMB civarında olmasını bekliyoruz. Bu fiyat öncelikle gövde, araştırma ve geliştirme amaçlıdır. Topluluktaki sınırlı bütçeye sahip öğrencilerin ve geliştiricilerin de katılabilmesini, gövdenin çok pahalı olması nedeniyle dışarıda kalmamalarını istiyoruz.
Denetim Beating: Müşteri bir makine satın aldıktan sonra, abonelik hizmeti veya başka gizli maliyetler olacak mı?
Li Pengdong: Şu anda hizmet aboneliğini net bir iş modeli olarak görmüyoruz. Bu 48 saatte yapılan self-servis satış robotu, öncelikle sadece bir demo.
Gelecekte gerçekten insansız süpermarketlere veya belirli perakende senaryolarına girilirse, ilgili senaryoya göre bir ücretlendirme yöntemi tasarlanacak. Şu an için bu kadar ilerisini düşünmüyoruz.
Denetim Beating: Açık kaynak olması, bu ödülü kazanmanızda neden bir avantaj oldu?
Xie Jun: Bu, ödülü kazanmamızın önemli bir nedeni olabilir. Tamamen açık kaynak yapıldıktan sonra, alt kütüphaneler, kodlar ve alt sürücüler açılır. Agent bu içeriklere erişebilir ve geliştirme daha sorunsuz olur. Bu, donanım geliştirmeyi bir ölçüde saf yazılım geliştirmeye yaklaştırır; alt katman okunabilir ve çağrılabilir olduğu için saha iterasyonundaki engeller azalır.
Açık kaynak bizim için sadece teknik bir seçim değil. Daha fazla öğrenci, uygulayıcı ve diğer sektörlerden insanın, nispeten düşük maliyetli bir şekilde gömülü zekaya katılmasını umuyoruz.
Az sayıda gösterim, az sayıda eğitim değil
LoopMaster röportajda sık sık "az sayıda gösterim" ifadesini kullandı. Yaygın az sayıda gösterim, insan operasyon yörüngelerini denetimli veri olarak alıp taklit öğrenme veya görsel-dilsel eylem modellerinde eğitmek ve son olarak modelin çıkarım yapmasını sağlamaktır. Ekibin şu anda bahsettiği az sayıda gösterim biraz farklı.
Ele almaları gereken, oldukça yapılandırılmış bir mağaza alanı. Rafların konumu nispeten sabit ve bir sıra ürünün kavrama hareketleri benzerlik gösteriyor. Önce robota bir yörünge kaydediliyor, şasi başka bir konuma geçtiğinde, mekanik kol benzer hareketleri tekrar kullanabiliyor. Önce benzer görevleri bir beceri olarak paketleyip Agent'ın yönetimine sunuyor.
Bu yolun mantığını anlamak da kolay. Dağıtım olmadan gerçek veri olmaz; gerçek veri olmadan uçtan uca modellerin sonraki eğitimi de mümkün olmaz. Önce yeterince akıllı olmasa da çalışabilen bir sistemi sahaya koyup, verinin yavaş yavaş büyümesini sağlamak.
Siber satış elemanı, stok yenileme Demosu
Denetim Beating: Sizin bahsettiğiniz "az sayıda gösterim", gömülü zekada yaygın olan az sayıda gösterimden nasıl farklı?
Zou Yanwen: Bizim bahsettiğimiz az sayıda gösterim, öğrenme tabanlı az sayıda gösterimden farklı bir şey. Geleneksel taklit öğrenmede, insan az sayıda uzman yörüngesini denetim sinyali olarak alıp ACT veya VLA gibi ağlarda eğitir, sonunda bir sinir ağı elde edilir ve onunla çıkarım yapılır.
Şu anda yörüngeleri kaydediyoruz, ancak bu yörüngeler doğrudan eğitim için kullanılmıyor. Örneğin, süpermarketlerdeki raflar nispeten yapılandırılmıştır. Bir raf sırası için bir öğretim yörüngesi olduğunda, bu sıradaki ilk ürünü alırken robot bu konumdan hareket eder; ikinci ürünü alırken şasi biraz kayar, ancak mekanik kol yine de benzer bir yörünge boyunca hareketi tamamlayabilir.
Şimdilik sürekli uzayda genelleme peşinde değiliz; bunun yerine ayrık uzayda, nispeten sabit konumları yapılandırılmış bir programa organize ediyor ve benzer hareketleri beceriler halinde paketleyerek Agent'ın bunları yönetmesini sağlıyoruz.
Dongcha Beating: Bu, farklı türdeki fiziksel mağazalara uyum sağlamasını zorlaştırmaz mı?
Zou Yanwen: Sınırları olacaktır. Ancak bence, şu anda gördüğümüz uçtan uca modellerin de bu sorunu var. Onlar da belirli senaryolarda veri toplamak, ardından sonradan eğitim ve iyileştirme yapmak zorunda. Aydınlatma ortamı değiştiğinde veya bir paket Lay's cipsi bir şişe Pepsi Cola ile değiştirildiğinde, bu değişikliklere yol açar.
Yapmak istediğimiz, önce Agent çerçevesini kullanarak işleri çalıştırmak. Bu daha basit görünebilir, ancak bir kez dağıtıma geçildiğinde, kullanıcı ile robot arasındaki her etkileşim, bu senaryo için bir veri haline gelir. Bu uzman yörüngeleri daha sonra uçtan uca modellerin iyileştirilmesini destekleyebilir.
Dongcha Beating: Robotu kim eğitecek? Neden bir Agent kendi kendini geliştirme döngüsü oluşturmak gerekiyor?
Zou Yanwen: Mühendisleri her mağazaya yerleştirmek mümkün değil. Yalnızca mağaza müdürleri ve çalışanları, bir vantilatör kullanmayı öğrenir gibi kendi ortamlarında robota bir şeyler yapmayı öğretebilirse, gerçek senaryolarda yeni veriler toplanabilir.
Doğal dil etkileşimi ve Agent Loop bu amaçla tasarlandı. Vizyonumuz, insan müdahalesini en aza indirerek Agent'ın görevler üzerinde düşünmesini, ayarlamalar yapmasını ve farklı becerileri yöneterek işi tamamlamasını sağlamak. Şu anda bu hâlâ geliştirilmekte olan bir çerçeve, büyük ölçekte doğrulanmış bir çözüm değil.
Dongcha Beating: Tanıtımda "satış göstergelerine göre satış davranışlarını iyileştirme" yazıyor. Bu, robotun fiziksel işin yanı sıra satış görevi de üstleneceği anlamına mı geliyor?
Zou Yanwen: Burada bahsedilen satış göstergeleri, robotun satış yapması gerektiği anlamına gelmiyor. Perakende zincirlerinde tedarik zinciri yönetimi zaten önemlidir ve arka planda satış verileri bulunur. Robot ön planda çalışmaya başladığında, mağazanın satış verileri, sabah-akşam yoğunlukları, raf düzeni ve yenileme kayıtları, robotun sahneyi anlamasının bir parçası haline gelir.
Bu veriler arka uca gönderilerek tedarik ve teşhir optimizasyonu yapılabilir, stok eksikliği veya son kullanma tarihi yaklaşan ürün kayıpları azaltılabilir. Robot hâlâ ön cephe işleri yapıyor, ancak bu süreçte biriken kayıtlar mağaza operasyonlarının kapanan döngüsüne dahil olabiliyor.
%40'lık Hesap ve Mağazada İnsana Kalan İşler
Robotların perakende ortamına girmesiyle en kolay hesaplanan şey maaşlardır. LoopMaster, "satış maliyetlerinde %40 azalma" öngörüsünde bulundu, ancak ekip bu rakamın, bir robotun yeterince istikrarlı olması ve uzun süreli, az bakımla çalışabilmesi beklentisine dayandığını kabul ediyor.
Daha zor hesaplanan şey ise insan. Şu anda, yükleme-boşaltma, ürün alma ve raf doldurma gibi işleri makinelere devretmek istiyorlar; daha uzak bir gelecekte, robotların daha fazla insan işini üstlenebileceğini dışlamıyorlar. Ancak konu insanlarla iletişim kurmaya geldiğinde, bunun insanın makineyle yer değiştiremeyeceği bir alan olduğunu düşünüyorlar.
Beating İncelemesi: "%40 satış maliyeti düşüşü" rakamına nasıl ulaşıldı?
Xie Jun: Hesaplamamız, bir robotun satın alma maliyeti, günlük Token, elektrik ve az miktarda bakım maliyetini iki çalışanın maaşıyla karşılaştırmaya dayanıyor. İki yıllık geri ödeme süresi baz alındığında, geleneksel mağazalara kıyasla satış iş gücü maliyetinde yaklaşık %40 azalma elde ediliyor.
Beating İncelemesi: Makinelerin de mühendis bakımına ihtiyacı var. Mağaza müdürü ve çalışanlarının çözemeyeceği sorunlar, bakım, onarım ve insan müdahalesi maliyetleri hesaba katıldı mı?
Xie Jun: Bu rakamın ön koşulu, nihai ürünün beklenen istikrara ulaşmasıdır. Gerçek ticarileşmeden önce, motor, kablo demeti, engel atlama, tıkanma gibi sorunları mümkün olduğunca çözmeli, önce uzun süreli kesintisiz çalışma ve insan müdahalesi gerektirmeme hedefine ulaşmalı, ardından bu tür hesaplamaları konuşmalıyız.
Bakım kesinlikle olacaktır. Ciddi arızalarda, mühendisin sahada müdahale etmesi veya onarım için geri gönderilmesi gerekebilir; eğer robot yeterince modüler ve yapısı yeterince basitse, onarım kılavuzu da sağlanabilir. Gelecekte yeterince robot konuşlandırılırsa, tıpkı telefon veya bilgisayar tamiri gibi bir onarım hizmeti ortaya çıkabilir. Bakım maliyetlerini de mümkün olduğunca düşük tutmayı umuyoruz.
Beating İncelemesi: İdeal bir perakende mağazasında insan ve makine sırasıyla ne yapar?
Zou Yanwen: Adım adım ilerleyeceğiz. İlk adım kesinlikle yükleme-boşaltma olacak. Daha sonra depodan ürün alma, müşterilerle kısmi iletişim kurma veya farklı robot ve AI yeteneklerini entegre etme gibi alanlara genişleyebilir. Daha da ileride, mağazada birikmiş bağlam ve satış göstergelerine dayanarak, işletme yönetimine yardımcı olma gibi işler yapılabilir.
Beating Gözlemi: Sıradan bir müşteri, robotların bulunduğu bir mağazaya girdiğinde iç dünyasında neler yaşar? Onlara güvenebilir mi?
Xie Jun: Başlangıçta yenilik ve eğlence hissi uyandırabilir, ancak hemen güven duyulmayabilir. Ancak gelecekte her dükkânda robotlar olursa, insanlar yavaş yavaş buna alışacaktır.
Şu anda dondurma satan robotların olduğu senaryolar mevcut. Bu robotlar kendi markalarını da oluşturabilir. Örneğin, tamamen robotlarla işletilen bir restoranda, içecekler ve atıştırmalıklar robotlar tarafından hazırlanıyorsa ve ürünler lezzetliyse, başka yerde bulunamıyorsa, müşteriler bunu sadece insan gücünün yerini alan bir araç olarak görmeyebilir.
İşletmeci açısından bakıldığında, robotlar hijyen, personel maliyeti ve envanter yönetimi konularında avantaj sağlayabilir. Mağazaların gereksiz gıda israfını ve kaybını azaltmalarına yardımcı olabilir.
Beating Gözlemi: Robotların en doğrudan ticari mantığının "insan gücünün yerini almak" olduğuna katılıyor musunuz? Hangi işler hâlâ sadece insanlar tarafından yapılabilir?
Xie Jun: İnsanlar arasındaki iletişim, akıcı bir arkadaşlık ve sıcak bir atmosfer, mevcut robotlar tarafından henüz kolayca karşılanamıyor.
Uzun vadeli bir perspektiften bakıldığında, eğer robotların kontrolü yeterince yumuşak ve beyinleri yeterince zeki olursa, insan gücünün tamamen yerini alması beklenebilir. Ancak bazı hassas senaryolarda ilerleme daha yavaş olacaktır.
Beating Gözlemi: Büyük modeller ve donanımlar çok hızlı güncelleniyor. İşletmeler, iki yılda geri dönüş hedefiyle robot satın alırlarsa, ikinci yılda eski donanımın amortismanı ve nesil değişimiyle karşılaşmaz mı?
Xie Jun: Donanımda nesil değişimi kesinlikle olacaktır, tıpkı bilgisayarlar ve telefonlar gibi birkaç yıl sonra güncellenir. Bir robotun 30 yıl boyunca sorunsuz çalışacağını vaat etmiyoruz; daha gerçekçi bir hedef 5 ila 10 yıl.
Kısa vadede, bir iki yıl içindeki güncellemeler amortismana yol açacaktır. Bu nedenle ürün tasarımında, eklem motorları ve yapısal parçalar gibi bileşenlerin bir sonraki nesilde yeniden kullanılmasına çalışıyoruz. Beynin (yazılımın) güncellenmesinin, donanımın güncellenmesinden daha hızlı olmasını tercih ediyoruz. Yazılım çevrimiçi olarak yükseltilebilir; belki birkaç haftada bir sürüm, belki de ayda birkaç sürüm çıkar. Donanım ise mümkün olduğunca uzun süre genel amaçlı kalmaya çalışır.
Xie Jun, Yushu G1 örneğini vererek, genel bir donanım formunun bir iki yıl sonra bile kullanım değeri olabileceğini düşünüyor. LoopMaster için, ilk satılan robotların her algoritma güncellemesinde tamamen değiştirilmesi gerekmesini istemiyorlar.
Önce donanımı mağazaya koy, sonra savunma hattından bahset
"Büyük anlatılar" peşinde koşan birçok girişim ekibinin aksine, LoopMaster'ın yanıtları daha samimi. Xie Jun doğrudan şunu söylüyor: Şu anda net bir şekilde ifade edebildikleri şey, düşük maliyetli donanım, üzerinde çalışılan Agent (ajan) kendi kendini geliştirme çerçevesi ve uçtan uca çözümlerden daha erken gerçek senaryolara girip veri biriktirme yoludur.
Ekip üyelerinin tamamı 2000 sonrası doğumlu ve karmaşık fiziksel tedarik zinciri ile B2B işleri konusunda deneyim eksikliklerini kabul ediyorlar. Bir yarışmada bir prototipi sahneye çıkarabilirsiniz, ancak gerçek bir perakende dağıtımı; satın alma, satış sonrası hizmet, müşteri kararları, güvenilirlik, tedarik zinciri ve finansman gibi unsurlarla yüzleşmeyi gerektirir. Her şey sunumdan daha yavaş ilerler.
Dongcha Beating: Köklü büyük şirketler ve robot üreticileri karşısında, kendi savunma hendeklerinizin ne olduğunu düşünüyorsunuz?
Xie Jun: Mevcut avantajlarımız, öncelikle düşük maliyetli bir gövde. İkincisi, bu nispeten yeni Agent kendi kendini geliştirme çerçevesi. Üçüncüsü, eğer gerçek senaryolara ilk giren biz olursak, gerçek makine çalışması, kullanıcı etkileşimi ve ticarileşme sürecindeki verilere daha erken ulaşabiliriz.
Ancak spesifik ticarileşme savunma hendeği konusunda henüz tam olarak netleşmiş değiliz. Önce bu yetenekleri geliştirip, ardından dağıtım sırasında gerçekten değerli olan şeyleri bulmayı umuyoruz.
Dongcha Beating: Hepiniz 2000 sonrası doğumlusunuz. Fiziksel mağazalar, tedarik zinciri ve tüketim senaryoları karşısında deneyim eksikliği yaşıyor musunuz? Hangi tuzaklara düştünüz?
Xie Jun: Evet, yaşıyoruz. Ekip şu anda tamamen 2000 sonrası doğumlulardan oluşuyor ve ticarileşme ile B2B deneyimi konusunda oldukça eksikiz. İleride gerçek anlamda ticarileşme yapacaksak, deneyimli ticarileşme ortakları çekmemiz ve sektörde bu işleri yapmış kişilerden öğrenmemiz gerekebilir.
Dongcha Beating: Gelecekte fiziksel senaryolarda, genel amaçlı insansı robotlar mı yoksa belirli görevler için tasarlanmış özel robotlar mı öne çıkacak?
Xie Jun: Bence her ikisi de olacak. Genel amaçlı insansı robotlar daha fazla senaryoya uygun, ancak enerji tüketimi, karmaşıklık ve kararlılık açısından özel robotlardan daha iyi olmayabilir. İnsansı robotlar görsel açıdan daha etkileyici olacaktır.
İnsansız mağaza gibi senaryolar için, hareket kabiliyetine sahip ve üst gövdesi işlem yapabilen yarı insansı bir sistem yeterli olabilir. İnsana benzemek için tüm karmaşıklığı üstlenmeye gerek yok.
Dongcha Beating: Ürün lansmanı, finansman ve genişleme için bundan sonraki zaman planlaması nedir?
Xie Jun: Yarışmadan sonra, Tanyue ile daha derin bir iletişim ve iş birliği kurduk. Gövde, bir laboratuvar ve araştırma ürünü olarak daha hızlı ilerleyebilir. Önümüzdeki bir ay içinde bazı siparişler alabileceğimizi tahmin ediyoruz.
Ancak belirli ticari senaryolara yönelik gerçek dağıtımın süresi şu an için belirlenemiyor. Ekip hala projeyi uyumlaştırıyor, kaynak, yatırım ve sektör tavsiyeleri arıyor ve ticarileşme yol haritasını geliştirmeye devam ediyor.
Her Şirketi Yeni Bir Laboratuvara Dönüştürmeyin
Röportajda balon konusu açıldığında, Zou Yanwen mevcut fiziksel yapay zeka balonunun büyük dil modelleri balonundan daha ciddi olduğunu düşünüyor. Büyük dil modellerinde en azından abonelik ücreti ödeyenler olduğunu, ancak fiziksel manipülasyon alanındaki öğrenme tabanlı robotların henüz gerçek uygulama senaryolarına girmediğini söylüyor. Piyasa değeri/satış oranına göre hesaplandığında balonun daha da büyük olduğu görülüyor.
Mevcut aşamada fiziksel yapay zeka araştırmaları elbette önemli, ancak bu kadar çok Neo Lab'a ihtiyacımız olmadığını düşünüyor. Bir şirketin her zaman daha basit bir soruyu yanıtlaması gerekir: Hangi senaryoda çalışıyor ve bu senaryo onu daha güçlü yeteneklere taşıyabilir mi?
Ekip son olarak konuyu açık kaynağa getirdi. Son iki yılda geliştirilen gövdeyi öğrencilere ve geliştiricilere açmayı, ayrıca tasarım, sanat ve Çin dili ve edebiyatı geçmişine sahip kişilerin katılımını istiyorlar. Fiziksel yapay zeka sadece model makaleleri ve finansman haberlerinden doğmayacak; aynı zamanda kurulması, öğretilmesi, onarılması ve belirli bir mağazada belirli insanlarla bir arada olması gerekiyor.
Skills Kendi Kendine Evrimleşen Büyüme
Dinçai Beating: Fiziksel yapay zekada sırada hangi balonların olabileceğini düşünüyorsunuz?
Zou Yanwen: Bunun büyük dil modellerinden daha küçük bir balon olduğunu düşünmüyorum. Büyük dil modellerinde en azından abonelik ücreti ödeyenler var. Fiziksel manipülasyonda, öğrenme tabanlı birçok robot henüz gerçek uygulama senaryolarına girmedi. Piyasa değeri/satış oranına göre hesaplandığında payda küçük olduğu için balon daha da büyük olabilir.
Önümüzdeki dönemde, herkes veri birikiminin ardından uçtan uca stratejilerin daha güçlü yetenekler göstermesini bekleyebilir. Ancak tüm şirketleri Neo Lab'a dönüştürmeye karşı dikkatli olunmalı. Her girişim ekibi, kendi uygulama senaryosunu ve bu senaryonun nihai olarak istenen uçtan uca yeteneğe ulaşmayı destekleyip desteklemediğini düşünmelidir.
Dinçai Beating: Neden sektörün fiziksel yapay zekaya odaklanmasının çok dar olduğunu söylüyorsunuz?
Zou Yanwen: Geleneksel robotlar zaten algılama, karar verme ve kontrol gibi karmaşık modüllere sahiptir ve her biri ayrı bir araştırma alanıdır. Bugün herkes dünya modelleri, VLA veya düşük seviye stratejileri tartışırken, genellikle bir blok kulesindeki birkaç bloğa odaklanıyor.
Bu sorunlar elbette önemli, ancak robotların gerçekten uygulamaya geçmesi için gövde ve algoritmaların sürekli olarak geliştirilmesi, seri üretim bileşenlerinin seçilmesi, Agent Loop'un kurulması ve öğrenme tabanlı ile öğrenme tabanlı olmayan yöntemlerin birlikte kullanılması gerekiyor. Düşük seviye stratejiler gelecekte büyüyüp diğer modülleri içine alabilir, ancak şu anda daha acil olan tüm binayı inşa etmektir.
Dinamik Gözlem Beating: Neden açık kaynak konusunda ısrarcısınız ve bu sektöre nasıl insanların girmesini umuyorsunuz?
Xie Jun: Pengdong ve ben iki yıl boyunca Ontology üzerinde çalıştık ve yine de açık kaynak olarak sunmaya karar verdik çünkü daha fazla öğrenci, sektör çalışanı ve diğer alanlardan insanı katılıma çekmek istiyoruz. Yapay zeka ve Agent programlama sayesinde, derin teknik geçmişi olmayan kişiler bile robotları daha hızlı kullanabilir ve keşiflere katılabilir.
Şu anda birçok somutlaştırılmış zeka demosu birbirine benziyor. Sektörün yeni fikirlere ihtiyacı var. Sanat veya Çin dili ve edebiyatı alanında çalışan insanlar, saf teknik geçmişe sahip olanlardan farklı bir anlayış getirebilir. Hackathon yol sunumlarında, teknik bilgisi olmayan küçük işletme sahiplerinin bile düşük maliyetle robotları kullanabilmesini ve onların bir kısmını satış elemanı olarak görevlendirebilmesini umduğumuzu söylemiştik. Açık kaynak yapma ve giriş engellerini düşürme konusundaki asıl amacımız budur.
Ayrıca, ekibimize sergileme ve işbirliği fırsatı verdiği için Ay Keşfi'ne teşekkür ederiz. Projenin ilerlemeye devam etmesini ve sektörde daha fazla yeni bakış açısı, yeni paradigma ve gerçek sorunları çözen senaryoların ortaya çıkmasını umuyoruz.
Dinamik Gözlem Beating: Bugün VC'lerin üniversitelere girip öğrencileri ve profesörleri girişim kurmaya teşvik etmesini ve sözde Neo Lab trendini nasıl değerlendiriyorsunuz?
Zou Yanwen: Bunun basitçe iyi ya da kötü bir şey olarak tanımlanabileceğinden emin değilim. Gerçek şu ki, üniversite sistemi derin öğrenme araştırmalarının ihtiyaç duyduğu büyük miktardaki fon ve hesaplama gücünü karşılamakta zorlanıyor. Bazı profesörler için girişim kurmak, şirketlerle işbirliği yapmak veya Neo Lab benzeri organizasyonlar oluşturmak, kaynak elde etmenin bir yolu olabilir.
Ancak bu aynı zamanda birincil ve ikincil piyasa değerlemelerinde tersine dönüş, ilk turda büyük miktarlarda fon toplama gibi sorunlara da yol açabilir. Belki bazı araştırmalar gerçekten çok fazla para gerektiriyor, ancak o kadar çok insana ihtiyaç duymayabilir. Bir araştırma organizasyonunun kaynakları nasıl elde ettiği ile bir şirketin piyasa tarafından nasıl değerlendirildiği sonuçta aynı sorun değildir.
Önce Zemini Çizmek
2016 yapımı "Kurucu" filmi, McDonald's'ın bir restorandan bir zincir şirkete nasıl dönüştüğünü anlatıyor. Filmin başında, milkshake makinesi satıcısı Ray Kroc, Kaliforniya'nın San Bernardino kentinde McDonald's kardeşlerle tanışır. Kardeşler ona kendi "hızlı servis sistemlerini" açıklar ve ardından boş bir arazide tebeşirle mutfağın, sipariş alma noktasının, fritözün ve çalışanların dönüş alanlarının yerlerini çizer ve çalışanların sipariş alma, paketleme ve teslimatı tekrar tekrar simüle etmelerini sağlar. Ta ki bu süreç giderek daha akıcı hale gelene kadar.
"Kurucu" filminden bir kare
Bir zamanlar, bir dükkânda kimin hep uzun yolu tercih ettiğini, sipariş alırken kimin kime çarpacağını, hangi hareketin müşteriyi yarım dakika daha bekleteceğini hatırlayan biri vardı. Sonra çizimler geldi ve birçok kişinin deneyimi, sonradan gelenlerin de aynen uygulayabileceği hareketlere sıkıştırıldı.
《Büyük Kurucu》filminde daha sonra başka bir hikâye yaşandı. Bir süreci kopyalanabilir bir işe dönüştürdükten sonra, standarda kim sahip, mekâna kim sahip, markaya kim sahip – artık mesele sadece mutfakla ilgili değildi.
LoopMaster elbette bu aşamadan çok uzak. Henüz gerçek bir mağaza dağıtımı yapmadı ve ticarileşme hendeğinin de henüz kanıtlanması gerekiyor. Ancak bu tam da röportajdaki o pek de mükemmel olmayan cevaplara ağırlık kazandırıyor. Veriler nasıl birikir, hataları kim devralır, satış hedefleri promosyonlar ve müşteri akışı tarafından nasıl kandırılmaz, ilk mağaza öğrenmek için ne kadar zaman harcamaya razı – bunlar, makineyi mağazaya yerleştirdikten sonra kendiliğinden kaybolacak küçük sorunlar değil.
Orijinal bağlantı
BlockBeats Resmi Topluluğuna Katılın:
Telegram Abonelik Grubu: https://t.me/theblockbeats
Telegram Sohbet Grubu: https://t.me/BlockBeats_App
Twitter Resmi Hesabı: https://twitter.com/BlockBeatsAsia
İlgili Makaleler
