AWS, fiziksel çevreyi algılayabilen, karar verebilen ve çevreye gerçek zamanlı olarak uyum sağlayabilen makineler geliştiren şirketleri hedefleyen açık kaynaklı bir paket olan Physical AI Toolchain on AWS’yi duyurdu. Ekosistem, NVIDIA’nın fiziksel yapay zekâ ekosistemine entegre olurken endüstriyel otomasyon, otonom mobilite ve insansı robotlar alanlarını hedefliyor.
Bu kategori, verileri işleyip dijital çıktılar üreten geleneksel yapay zekâdan farklıdır; akıllı makineler gerçek dünyayla algılama, çıkarım ve eylem yoluyla etkileşime girer. Ayrıca çalışma verilerini eğitim döngüsüne geri aktararak dağıtım işlemleri tekrarlandıkça modellerin iyileştirilmesine olanak tanır.
Tek bir ekosistemde eğitimden çalıştırmaya
Paket; mimari yönergeleri, dağıtım otomasyonunu ve kullanılabilir referans kodunu bir araya getiriyor ve fiziksel yapay zekânın geliştirme döngüsünü birbiriyle bağlantılı beş eksen üzerinden kapsıyor:
- Sentetik veri üretimi: Maliyetli gerçek veri toplama ihtiyacını azaltmak için yapay zekâya dayalı olarak çeşitli eğitim ortamları ve senaryoları oluşturma.
- Model eğitimi: Makineleri insan gösterimlerinden ve simüle edilmiş ortamlardaki uygulamalardan öğrenmeye yönlendirme.
- Simülasyon ve doğrulama: Makinelerin davranışını gerçek donanımda çalıştırmadan önce sanal olarak test etme.
- Uçta dağıtım: Modelleri, buluta sürekli bağlantı olmadan anlık kararlar almaları için makinelere gönderme.
- Sürekli optimizasyon: Yeni veriler üretmek ve modelleri iyileştirmek için çalışma verilerini eğitim döngüsüne geri aktarma.
AWS tarafında kullanılan hizmetler arasında model eğitimi için Amazon SageMaker, simülasyon için grafik işlem birimleriyle donatılmış Amazon EC2 örnekleri, uçta dağıtım için AWS IoT Greengrass ve akıllı koordinasyon için Amazon Bedrock AgentCore bulunuyor. NVIDIA tarafında ise paket; simülasyon için Isaac Sim, pekiştirmeli öğrenme için Isaac Lab, insansı makinelerin eğitimi için Isaac GR00T ve sentetik dünyalar oluşturmak için Cosmos ile entegre oluyor.
Şirketler açısından pratikte ne değişiyor?
Şirketler ekosistemin tamamını tek bir kontrol noktası üzerinden benimseyebilir veya simülasyon, eğitim ya da dağıtım gibi tekil bileşenleri seçerek mevcut iş akışlarına entegre edebilir. Ayrıca filo yönetimi özellikleri, üretime geçiş sırasında binlerce makinenin yapılandırılmasını, güvenliğinin sağlanmasını ve uzaktan güncellenmesini mümkün kılıyor.
AWS, paketin mühendislik ekiplerinin altyapıya ayırdığı zamanı azaltacak şekilde tasarlandığını ve böylece ekiplerin uygulamaların ve makinelerin kendilerini geliştirmeye daha fazla odaklanabileceğini söylüyor. Şirket, dağıtım süreçlerinin tek tip bir tasarım benimsemek yerine donanıma, çalışma ortamına ve kullanım senaryosuna göre özelleştirilebileceğini belirtiyor.
Amazon Robotics’in deneyiminden yararlanma
Paket, Amazon’un operasyon ağı içinde bir milyondan fazla robotu çalıştırma deneyimine dayanıyor; robotlar yüz binlerce çalışanla iş birliği içinde her gün milyonlarca paketi işliyor. Şirket ayrıca, taşınması gereken unsurların bulunduğu tesislerde çalışmak üzere Amazon Robotics tarafından geliştirilen otonom Proteus robotuna da değindi.
NEURA Robotics, RLWRLD ve Config gibi şirketler ekosistemle bağlantılı teknolojileri kullanıyor. NEURA, görme, işitme ve deneyimden öğrenme becerisine sahip insansı robotlar geliştirirken RLWRLD, nesneleri kavrama ve onlarla etkileşim kurma görevleri için 8,1 milyar parametre içeren temel bir model üzerinde çalışıyor. Config ise robot eylemlerine ilişkin 200 binden fazla saatlik veri toplamak için bir hat kurdu.
Editoryal değerlendirme: Duyurunun temel değeri, tek başına yeni bir bulut hizmeti eklemekten ziyade AWS’nin eğitim, simülasyon, dağıtım ve filo yönetimini özelleştirilebilir tek bir akışta bir araya getirme girişiminde yatıyor. Bu, robotik sistemler geliştirme engelini azaltabilir; ancak başarısı, veri kalitesine, donanım uyumluluğuna ve simülasyondan öngörülemeyen gerçek ortamlara geçiş sırasında modellerin güvenilirliğine bağlı kalacak. İçerik, açık lisansın ayrıntılarını veya kullanılabilirlik ve maliyet düzeylerini belirtmedi; bunlar ticari kullanım uygunluğunu değerlendirmeden önce incelenmesi gereken noktalar.