Endüstriyel robot sektöründe Kawasaki Heavy Industries, FANUC ve Yaskawa üçlüsü, birbirinden kaçması imkânsız rakipler sayılır. Satış ekiplerinin aynı otomobil fabrikasına, aynı elektronik (3C) tesisine dalıp sipariş kapışması, yılların en sıradan günlükleri. Ne var ki 2026 Temmuz'unda bu üç şirket, birlikte bir işe giriştiklerini duyurdular — ve el birliğiyle yarıştıkları şey ne ürün ne parça: veri.
Proje, üretim sahasındaki bedenleşmiş yapay zekaya temel atıyor: ilk yıl üretim hatlarından 5.000 saatlik iş verisi toplanması planlanıyor; arkasında Japonya Ekonomi, Ticaret ve Sanayi Bakanlığı'nın (METI) sisteminin ve NEDO'nun en fazla 2 milyar yen (yaklaşık 100 milyon CNY) desteği var. Para şaşırtıcı sayılmaz, iş ise alışıldık değil — içinden sızan yön şu: endüstriyel robotlarda rekabetin ekseni, makine gövdesinin performansından verinin ölçeğine ve kalitesine kayıyor.
Önce işin gerçeklerini masaya koyalım:
- Kawasaki Heavy Industries, FANUC ve Yaskawa, üretim sahasındaki bedenleşmiş yapay zeka için ortak bir veri seti kurmak üzere güç birliği yaptı; proje, Japonya METI ile NEDO'nun desteklediği üretken yapay zeka geliştirme destek programı “GENIAC” kapsamına seçildi;
- Üç şirket, görme, dokunma, dil ve hareket verisini tek modelde işleyen “VTLA modeli” temelini geliştirecek; ilk yıl sahadan 5.000 saatlik görüntü, dokusal ve hareket verisi toplanacak;
- Proje Ağustos 2026'dan Temmuz 2027'ye kadar bir yıl yürütülecek; NEDO en fazla 2 milyar yen destek sağlayacak; Osaka Üniversitesi ile dokunsal sensör girişimi FingerVision ve yapay zeka altyapı şirketi ABEJA da projede yer alıyor;
- Üçlünün ortaklaştırdığı şey yalnızca “verinin teknik özellikleri ve toplama yöntemi”; her şirketin kendi saha verisi, kontrol teknolojisi ve donanımı yine kendi elinde kalıyor.
Rakipler aynı masaya oturdu
Plan gereği proje Ağustos 2026'dan Temmuz 2027'ye kadar bir yıl yürüyecek. “Bedenleşmiş yapay zeka” terimi sektörde artık yeni sayılmaz; fiziksel dünyada iş yapan yapay zekayı anlatır — ekranda metin ve görsel üretmek yerine robotun kolunu ve elini çalıştırıp kavrama, montaj, taşıma işini gerçekten bitirmek. Kulağa yalnızca çıktının hedefinin değiştiği gibi gelse de, gerçekte tamamen başka bir teknoloji rotası.
Projedeki iş bölümü de net. Üç robot üreticisi, verinin teknik özelliklerinin ve toplama platformunun ortaklaştırılmasından sorumlu; Osaka Üniversitesi projenin yürütücüsü; üniversitenin görevlendirdiği ABEJA temel teknolojilerin yükseltilmesini üstlenmiş; dokunsal algılama kısmı ise girişim FingerVision'a emanet. Rakipler, üniversite ve girişimler aynı veri için tek masaya oturuyor — bu kadronun kendisi, işin ağırlığını anlatmaya yetiyor.
Koz, gövdeden veriye geçti
Uzun bir dönem boyunca endüstriyel robot rekabeti donanım rekabetiydi. Konumlandırma doğruluğu, taşıma kapasitesi, hız, dayanıklılık — tek bir özellik tablosu pekâlâ ayrımı koyuyordu. Japon üreticilerin onlarca yılda biriktirdiği tam da bu mekanik ustalıktı; onun sayesinde uzun süre küresel endüstriyel robot sahnesinin ön sıralarında yer aldılar.
Bedenleşmiş yapay zeka ise başka türden bir yeteneği sınıyor. İnsanın “şunu bana getir” demesi yeterli; robot, o parçayı hiç görmemiş olsa bile durumu kendisi değerlendirip işi kendi hareketleriyle tamamlamak zorunda. Bu tür genel amaçlı hareketler yalnızca hassas donanımla yürümez; bol miktarda iş verisiyle beslenen bir yapay zeka gerekir. Büyük dil modellerindeki o tecrübe kuralı burada da geçerli: eğitim verisinin ölçeği ve çeşitliliği, modelin tavanını büyük ölçüde belirliyor.
Sıkıntı şu ki bu veriler şimdiye dek şirketlerin elinde bölük pörçüktü. Kayıt formatı, neyin ölçüleceği, nasıl ölçüleceği şirketten şirkete değişiyordu; A firmasının topladığı veri, B firmasının modelini eğitmek için doğrudan kullanılamıyordu. Format bir kez birleşince, farklı şirketlerin ve farklı süreçlerin verileri birbirinin işine yarar hale geliyor, modele verilebilecek veri havuzu bir anda büyüyor, geliştirme hızı da peşinden yükseliyor. Ortaklaştırma, bu karşılıklı kullanımı ayakta tutan temel taşıdır.
Daha açık konuşmak gerekirse: tek başına hiçbir şirket yeterince çeşitli saha verisi toplayamaz. Elinizdeki, belli başlı birkaç sektör ve birkaç süreç türüdür; rakiplerin verilerini aynı formatla havuzunuza katmak, herkesin kendi verisine sahip çıkıp beklemesinden çok daha hızlıdır. Rakiplerin tam da şimdi bir araya gelmesinin nedeni, eninde sonunda yarışılan şeyin değişmiş olmasıdır.
VTLA'nın derdi: “öğretmek”i “öğrenmek”le değiştirmek
Geliştirmenin çekirdeği, VTLA adlı bir model — Vision, Tactile, Language, Action: görme, dokunma, dil ve eylemi tek bir modelde işliyor. Gerçekleşmesi hedeflenen sahne şu: insanın sözlü komutunu anlamak, kamerayla nesneyi görmek, sonra parmak ucundaki dokunuş hissiyle kuvveti ayarlayarak hareketi tamamlamak — bütün akışı tek bir model üstleniyor.
Burada en özgün unsur dokunmadır. Geleneksel endüstriyel robotlar esas olarak görü ve konum bilgisiyle hareket eder; oysa yumuşak bir parçayı kavramak, hafif kaymış bir deliğe pim sokmak gibi ince işlerde kaymayı sezmek ve bastırma kuvvetini ayarlamak kaçınılmazdır. FingerVision'ın teknolojisi, tam da bu eksiği kapatmak için oradadır.
Üzerinde düşünmeye değen bir başka nokta, öğretimin ikamesidir. Bugün sahada yaygın olarak “öğretim” kullanılıyor: hareketler robota tek tek elle öğretiliyor; iş konusu her değiştiğinde mühendis koordinatları ve adımları yeniden giriyor. Bu aşama, çok çeşitli ve az adetli üretim yapan fabrikaların otomasyona geçişinde aşılmaz bir duvar, insan gücünün kısıtlı olduğu hatlarda en çok emek yiyen halkadır. VTLA pratik hale gelebilirse, robotun iş öğrenme biçimi “insan öğretir”den “yapay zeka veriden kendisi öğrenir”e döner; ilk kez karşılaştığı işlerde bile büyük ölçüde üstesinden gelebilir. Otomasyonun ön koşulu, tam da buradan “öğretmek”ten “öğrenmek”e evrilebilir.
Paylaşılan teknik özellikler, kapışılan söz hakkı
Üçlünün iş birliğinin özü, “neyin paylaşıldığı, neyin paylaşılmadığı” sınırının içinde gizli. Ortaklaştırılan yalnızca verinin teknik özellikleri ve toplama yöntemidir; yani nasıl kaydedileceğine ve nasıl saklanacağına dair kurallar. Şirketlerde kalan ise kendi fabrikalarının saha verileri, robotların kontrol teknolojileri ve donanımları ile nihai ürün ve hizmetlerdir. Zemindeki kurallar ortaklaşır; mücadele onun üzerinde sürer.
Buradan işin asıl çekişme noktası doğar: söz hakkı. Ortak formatla toplanan veri kime ait olacak, kim onunla eğitim yapabilecek, standardın ayrıntılarını kim onaylayacak — bunları elinde tutan taraf, bedenleşmiş yapay zekanın temel katmanında öne geçer. Standart koymak, her zaman aynı zamanda ayrıntılar üzerindeki karar hakkı için yürütülen bir mücadeledir.
Bakışı biraz genişletirsek, bu hamle küresel ölçekteki veri yarışına bağlıdır. NVIDIA, ar-ge amaçlı işlem gücü platformları ve simülasyon ortamlarıyla bedenleşmiş yapay zekadaki ayak izini genişletiyor; bu üç Japon üretici ayrıca Fujitsu ve NVIDIA ile toplumsal ölçekte uygulama konusunda iş görüşmeleri yürütüyor; işlem gücü gibi halkalarda yurt dışı teknolojilerinden faydalanacaklar. Ama “sahaya yönelik veri standardı” işinde, Japon kökenli bir veri temelini kendi ellerinde tutmak istiyorlar — platformun bir kısmı ödünç alınabilir, verinin hâkimiyeti devredilmez. Bu ittifakı tam da bu anlamda okumak gerekir.
Entegratörlerin ve bileşen üreticilerinin yeri değişecek
Genel amaçlı veri seti ve temel model bir kez olgunlaştığında, etkisi robot üreticilerinin ötesine taşacaktır.
Yeri en belirgin biçimde değişecek olanlar sistem entegratörleridir. Robotu sahaya kurup öğretimle çalışır hale getirmek, entegratörlerin varlık sebebiydi. “Öğrenmek” aşama aşama “öğretmek”in yerini aldıkça, tek tek elle yapılan öğretim işleri azalacak; ağırlık, veri eksenli hizmetlere kayacak: fabrikaya, sahasına uygun veriyi toplamada yardım etmek ve modeli belirli bir sürece uyduracak biçimde ince ayarlamak. Cihaz kuran kişiden, veriye eşlik eden kişiye — bu rolün yeniden yazılması yavaş olmayabilir.
Bileşen ve sensör üreticileri içinse bu bir fırsattır. VTLA'nın dokunmayı bu denli öne çıkarması, kuvvet sensörleri, dokunsal sensörler ve bunların arkasındaki hassas mekanik parçalar için talebi yukarı çekebilir — bu tam da Japon bileşen üreticilerinin güçlü olduğu alana denk düşer. Ama değerin oturduğu nokta da beraberinde kayabilir: “tek bir sensör satmak”tan, “bu sensörün topladığı veriyi platforma nasıl bağlayacağı”na.
Yerli meslektaşların da not etmesi gereken bir nokta var: bu veri standardının Asya imalat tedarik zinciri boyunca dışa yayılıp yayılmayacağı, önümüzdeki bir-iki yıl boyunca izlenmesi gereken bir değişkendir.
Bundan sonra ne izlenecek: üç soru işareti
Verinin kullanım hakkı. Ortaklaştırma sonrasında veri kime kalacak, şirketler hangi ölçüde kullanabilecek, standardın içeriği üzerindeki karar hakkı üçlü arasında nasıl paylaşılacak — bunlar belirsiz kalmayı sürdürürse, ortaklaştırma sloganı söylenmeye devam edebilir ama gerçek bir standada dönüşmeyebilir. Projenin ilerleyen dönemde açıklayacağı işletim kuralları, ilk değerlendirme ölçütü olacaktır.
Verinin miktarı. İlk yılda toplanacak 5.000 saat, genel amaçlı bir modeli eğitmeye yeter mi? Dışarıdan kestirmesi zordur. Büyük dil modellerinin yuttuğu metin hacmiyle karşılaştırılırsa 5.000 saat bir başlangıçtan öte değildir; ama saha iş verisi saat başına çok yoğun bilgi taşıdığından, süreyle birebir kıyaslamak da doğru değildir. Modelin asıl kalitesini belirleyecek olan, ikinci yıldan itibaren üzerine ne kadar eklenebildiğidir.
Japon standardı yurt dışına açılabilecek mi. Donanımla küresel zirvede duran Japon üreticiler, “veri” denen yeni cephede hâkimiyeti ele geçirebilecek mi? Bu bir yıllık proje, ilk sınama taşıdır.
Bizim gibi her gün bu üç markanın cihazlarıyla haşır neşir olan servis şirketleri için işin bir de gerçekçi bir anlamı var: ileride üretim hatlarındaki makinelerin “şivesi” değişebilir. Son yirmi yılda bakım ve devreye alma mühendisinin çekirdek ustalığı öğretim, parametre ve arıza teşhisiydi; bundan sonrasında saha verisini anlayan, yapay zekayı “beslemeyi” bilen mühendisin değeri artacaktır. Makineler aynı makineler; oyun, ray değiştiriyor. İlgili hizmetler: ithal marka bakım-onarım, marka kapsamı ve model dokümanları.
İleri Okuma
- FANUC alarm kodları hızlı başvuru
- İkinci el robot satışı
- Yerli markaların kurulu tabanı ve bakım ekosistemi
