Çinli robotik şirketi Boden AI, 17 Eylül tarihinde gerçek dünyadan toplanan bir robot pekiştirmeli öğrenme veri seti olan RW-RL-HIL-Dataset’i açık kaynak olarak yayınladı. İnsan müdahale verilerine odaklanan bu koleksiyon, 3.347 bölüm ve 4,44 milyon kare üzerinden 82,23 saate ulaşırken, toplamda 188,57 GB’lık veri içeriği sunuyor. Şirketin ham haber materyalini Türkçe bir haber metnine dönüştürmesiyle ortaya çıkan gelişme, beden zekâsı (embodied intelligence) alanında açık kaynak paylaşımına önemli bir katkı olarak değerlendiriliyor.
Gelişme, Beden Zekâsı üzerine raporlayan Gasgoo’nun aktardığı üzere, 17 Eylül’de resmî biçimde duyurulan veri setinin RW-RL-Dataset’in alt kümesi olduğunu vurguluyor. Gerçek robot konuşlandırma süreçlerinde insan müdahalesine odaklanan bu koleksiyon, hem akademik araştırmalar hem de endüstriyel Ar-Ge çalışmalar için elverişli bir veri tabanı oluşturuyor.
Dokuz Ev Görevi ve İnsan Dahiliet Süreçleri
Veri seti, dokuz ev görevini kapsarken gerçek dünyadaki etkileşim süreçlerini politika konuşlandırması, insan devralması, düzeltme ve el değiştirme gibi adımlarla birlikte kaydediyor. Veriler, 3.068 bölümün en az bir insan müdahalesine sahne olduğunu ve bu müdahalelerin toplamda 506.800 kare boyunca—tüm kreelerin %11,41’i kadarını—insan kontrolü altında gerçekleştiğini gösteriyor. Koleksiyon ayrıca 6.408 kesintisiz müdahale bölümü içeriyor; bölüş başına ortalaması 1,91 olan bu müdahalelerin ortalama süresi ise 5,27 saniye olarak ölçülüyor.
Bu detaylar, robotların gerçek dünya görevlerinde ne sıklıkla ve nasıl insan desteğine ihtiyaç duyduğüna dair somut bir tablo sunuyor. Özellikle politika konuşlandırma aşamalarında ortaya çıkan müdahale oranı, otonom sistemlerin hâlâ insan gözetimine ne kadar bağımlı olduğunu da gözler önüne seriyor.
Teknik Yapı ve Format Detayları
LeRobot v2.1 formatıyla yapılandırılan veri seti; kafa, sol bilezik ve sağ bilezik olmak üzere üç video akışı ile 14 boyutlu durum ve hareket vektörlerini içeriyor. Videolar H264 kodlamasıyla 640×360 çözünürlükte ve 15 FPS hızında kaydedilirken, kare kare kontrol bayrakları ve müdahale sınırları için ek açıklamalar da veri setine dahil edilmiş durumda.
Bu teknik altyapı, veri setinin ana depo (repository) ile birleştirildiğinde hem insan döngüsü içinde taklit öğrenmeye (imitation learning) hem de pekiştirmeli öğrenmeye (reinforcement learning) yönelik araştırmaları destekliyor. Özellikle kare kare etiketleme ve müdahale sınırları, model eğitiminde hassas geri beslemeye olanak tanıyacak biçimde tasarlanmış.
Geçmiş Paylaşımlar ve Üretim Kapasitesi
Bu arada, Boden AI’nın geçen Haziran ayında JIP Yenilik Merkezi ile Şanghay Jiao Tong Üniversitesi’nin MINT Laboratuvarı işbirliğiyle 1.000 saati aşan ilk RW-RL-Dataset’i yayınladığı hatırlatılıyor. Bugüne kadar şirketi toplamda 542 saatlik veri setini açık kaynak olarak paylaştığını belirten Gasgoo, bunun 460 saatinin uzum operasyon (teleoperation) verisi, 82 saatinin ise gerçek dünyadan pekiştirmeli veri olduğunu aktarıyor.
Boden AI, Ningbo, Huzhou ve Ma’anshan beden robotikleri yenilik merkezlerini kurdu; bu merkezler 30.000 metrekareden fazla alanı kapsıyor ve yıllık 500.000 saatlik gerçek dünya robot verisi ile milyonlarca saat ölçeğinde senaryo verisi üretme kapasitesine sahip, beden zekâsı Ar-Ge’yi destekliyor.
Gasgoo Beden Zekâsı Raporu
Operasyonel açıdan Boden AI’nın Ningbo, Huzhou ve Ma’anshan’da beden robotikleri yenilik merkezleri kurduğu bu merkezlerin 30.000 metrekareden fazla alanı kapsadığı belirtiliyor. Yıllık 500.000 saatlik gerçek dünya robot verisi milyonlarca saat ölçeğinde senaryo verisi üreten bu tesisler, beden zekâsı alanında yürütülen Ar-Ge çalışmalarını destekliyor.
