İşaret — 2026-07-07

Bu sayı, yapay zekanın fiziksel dünyayla buluştuğu sınırda yükselen bir soruyu mercek altına alıyor: Sistemler gerçekliği daha iyi temsil ettikçe, öğrenme ve hareket etme kapasiteleri nasıl dönüşüyor? Dokunsal algıdan hava robotiğine, difüzyon tabanlı planlamadan çok modlu cisimleşmiş ajanlara uzanan bu geniş yelpaze, birbirinden kopuk gelişmeler değil; aynı mimari olgunlaşmanın farklı yüzleri. Sekiz makaleyi birlikte okumak, robotik ve yapay zekanın artık tek bir cephede değil, eş zamanlı birçok kırılma noktasında ilerlediğini somut biçimde gösteriyor.

1. Araştırma

Tek Transdüserle Geniş Alana Yayılan Dokunsal Algı

Metalik ultrason dalga kılavuzları, tek bir transdüserden temas konumu, kuvvet ve malzeme sınıfını aynı anda belirliyor.

Caltech araştırmacıları, tek bir yakın-mesafe transdüserden sorgulanan metalik ultrason dalga kılavuzlarını dağıtık dokunsal sensör olarak kullanan yeni bir platform geliştirdi. Sistem, yansıma/iletim katsayısı oranı (R/T) ile uygulanan kuvvet arasında dokuz farklı malzemede R²≥0,95 doğrusallık yakalıyor; kalibrasyon eğimi ise malzemenin efektif temas modülüyle güçlü biçimde (log-log Pearson r=−0,98) ilişkili. Bunun ötesinde, yansıyan enerji bölümünün yüke bağımsız bir parametre olduğu ortaya konularak kuvvetten bağımsız malzeme sınıflandırması mümkün kılındı. İki-girintici deneylerde her iki temas kuvveti de referans yük hücresiyle yüksek uyum içinde (R²=0,97 ve 0,95) geri kazanıldı; yaklaşım iki boyutlu metalik levhalara da başarıyla genişletildi. Mevcut dokunsal sensörler genellikle kapsama alanı arttıkça sistem karmaşıklığını da tırmandırıyor: her temas noktası için ayrı bir sensör elemanı, kablo ve sinyal işleme kanalı gerektiriyor. Bu platform ise tek bir transdüser aracılığıyla büyük bir metalik yüzey boyunca hem kuvvet büyüklüğünü hem de temas konumunu eş zamanlı olarak çözebiliyor. Dalga yayılım fiziğini doğrudan kullandığından ek kalibrasyon donanımı veya karmaşık çok-kanallı elektronik gerektirmiyor. Robotik el, yapay deri ve endüstriyel muayene uygulamalarında ölçeklenebilir, düşük maliyetli bir alternatif sunan bu yaklaşım, geniş alanlı dokunsal algı araştırmalarına somut bir yön gösteriyor.

Arxiv CS.RO →

2. Araştırma

Robot Politikalarını Dünya Modelleriyle Değerlendirme Yol Haritası

GigaWorld-1, pahalı gerçek-dünya testlerinin yerini alacak surrogat politika değerlendiricileri için kapsamlı bir yol haritası ve benchmark sunuyor.

GigaWorld ekibi, cisimleştirilmiş robot temel modellerini değerlendirmenin önündeki kritik darboğaza —yavaş ve maliyetli gerçek-dünya deneme yanılmalarına— karşı dünya modellerini surrogat değerlendirici olarak kullanan sistematik bir çalışma yayımladı. Araştırmacılar, gerçek robot teleoperasyon verisi ve eşleştirilmiş politika yürütmelerinden oluşan WMBench adlı bir benchmark oluşturduktan sonra 7 video dünya modeli, 4 aksiyon temsili şeması ve 324.000'den fazla simüle politika yürütmesini analiz etti; analize CVPR 2026 GigaBrain Challenge topluluk gönderileri ve 12.000 saati aşan eğitim videosu da dahil edildi. Bulgular üç temel içgörü ortaya koyuyor: değerlendirici kalitesini belirleyen uzun-ufuk, aksiyona-sadık tutarlılıktır; ön-eğitim kazanımları veri ölçeği kadar genel dünya bilgisi ile robot-özgü kontrol edilebilirlik arasındaki dengeye bağlıdır; mimari seçimler —aksiyon kodlama, bellek tasarımı, değerlendirici odaklı sonrası eğitim— gerçek robot davranışıyla uyumu güçlü biçimde belirler. Gerçek dünya deneyleri pahalı ve zaman alıcı olmaya devam ettiğinden, dünya modellerinin hızlı ve ölçeklenebilir surrogatlar olarak kullanılması robot politikası geliştirme döngüsünü önemli ölçüde kısaltabilir. Bu yol haritasından türetilen GigaWorld-1 modeli ile tüm kod, model ağırlıkları ve datasetler kamuya açık olarak paylaşıldı; bu şeffaflık alanın daha hızlı ilerlemesine zemin hazırlıyor.

Arxiv CS.RO →

3. Araştırma

Fonksiyon-Uzayı Difüzyonuyla Çözünürlükten Bağımsız Hareket Planlaması

FSD-MP, robot yörüngelerini sürekli fonksiyon olarak modelleyerek eğitim çözünürlüğünün 16 katına kadar sıfır-shot genelleme sağlıyor.

Difüzyon tabanlı hareket planlayıcıları karmaşık ortamlarda çeşitli ve yüksek kaliteli yörüngeler üretmede başarılı olsa da mevcut yaklaşımlar sabit uzunluklu ara-nokta dizileriyle çalıştığından öğrenilen model çözünürlüğe bağımlı hale geliyor; bu durum farklı zaman çözünürlüklerine genellemeyi engelliyor. Bu çalışmada önerilen FSD-MP (Function-Space Diffusion for Motion Planning), yörüngeleri sürekli fonksiyonlar olarak modelleyerek difüzyonu doğrudan fonksiyon uzayında gerçekleştiriyor ve böylece ayrıklaştırma-değişmez yörünge üretimi sağlıyor. Matérn-tipi kovaryans yapısına sahip Gauss gürültüsüyle yönlendirilen spektral alanda mod-bazlı bir ileri süreç tanımlanıyor; geri süreç ise başlangıç-hedef kısıtlarını farklı çözünürlüklerde koruyan DST-FNO (Boundary-Compatible Discrete Sine Transform-based Fourier Neural Operator) ile parametrize ediliyor. Bu tasarım sayesinde model, eğitim sırasında hiç görmediği zaman çözünürlüklerine sıfır-shot biçimde uyum sağlayabiliyor. 2B nokta robotu ve 7-DoF Franka manipülatör benchmarklarında değerlendirilen FSD-MP, eğitim çözünürlüğünde rekabetçi planlama performansı gösterirken yeniden eğitim gerektirmeksizin 16 kat daha yüksek çözünürlüklere sıfır-shot genelleme yapıyor. Pratik açıdan bakıldığında bu esneklik, aynı modelin hem kaba ön planlama hem de ince yörünge düzeltme aşamalarında kullanılabilmesi anlamına geliyor; fonksiyon-uzayı difüzyonunun hareket planlaması için güçlü ve ölçeklenebilir bir çerçeve sunduğunu kanıtlıyor.

Arxiv CS.RO →

4. Araştırma

Dağınık Depolarda 3B Boşluk Affordance'ı Öğrenen Robot

VulcanVoxel, 10.000 gerçek depo bölümü üzerinde eğitilerek bıçak yerleştirme affordance'larını poz tabanlı yöntemlere kıyasla çok daha iyi kapsıyor.

Amazon'dan araştırmacılar, karmaşık kumaş bölmelerine bıçak yerleştiren depolama robotları için serbest-uzay affordance'larını 3B olarak öğrenen VulcanVoxel sistemini geliştirdi. Geleneksel yaklaşımlar affordance'ları SE(3) poz dağılımları olarak modelliyor; ancak bu yöntem geometrik fizibiliteyi doğrudan uzayda sormak yerine yanlış bir etki alanında soruyor ve çalıştırma politikalarının ürettiği tek-modlu dağılımı öğrenerek geometrik alternatifleri gözden kaçırıyor. VulcanVoxel ise çıkarımı uzaysal tutuyor: 3B doluluk alanları üzerinde eğitilen maskeli bir otokodlayıcı, bıçak doluluk alanını sahne geometrisine koşullu olarak yeniden oluşturuyor ve her vokselde yerel olarak fizibiliteyi hesaplıyor. Bu yaklaşım, robotun önüne yalnızca tek bir çözüm sunmak yerine uzayda fiziksel olarak geçerli tüm yerleştirme bölgelerini açıkça temsil etmesine olanak tanıyor. İnsan anotasyonu olmaksızın 10.000 gerçek depo bölümü üzerinde eğitilen sistem, top-5 kapsama oranında 0,89'a ulaşırken en iyi poz tabanlı taban çizgisi 0,71'de kalıyor. Damıtılmış öğrenci modeli ise voksel-voksel çıkarımdaki 1,4 saniyeye karşın RGB'den voksele çıkarımı 30 ms'ye indiriyor ve gerçek zamanlı kullanımı mümkün kılıyor. Üretim ölçeğinde doğrulanan bu sonuçlar, serbest-uzay affordance öğrenmesinin endüstriyel manipülasyon robotlarında somut ve ölçülebilir kazanımlar sağladığını açıkça ortaya koyuyor.

Arxiv CS.CV →

5. Araştırma

Difüzyon Dil Modelleri İçin On-Policy Öz-Damıtma

dOPSD, difüzyon LLM'lerinin kendi gizil yörüngelerinden öğrenmesini sağlayarak matematiksel akıl yürütme ve kod üretimini geliştiriyor.

Difüzyon büyük dil modelleri (dLLM), metni maskeli bir diziyi yinelemeli olarak gürültüden arındırarak üretiyor; bu yaklaşım otoregresif modellere paralel bir alternatif sunuyor, ancak sonrası eğitimle güçlü akıl yürütme edinmek zorlaşıyor. Denetimli ince ayar off-policy olup kayan hata birikimine yol açıyor, pekiştirmeli öğrenme ise yalnızca seyrek dizi düzeyinde ödüller sunuyor. On-Policy Self-Distillation (OPSD) bir modeli hem öğrenci hem öğretmen olarak kullanarak yoğun, token düzeyinde on-policy denetim sağlasa da etkinliği öğretmene sağlanan ayrıcalıklı bilgiye —örneğin çıkarım sırasında erişilemeyen yer-gerçeği referansına— bağlıdır. Bu çalışmada önerilen dOPSD, öğretmenin ayrıcalığını harici bir etiket yerine doğrudan öğrencinin kendi gürültü-giderme yörüngesinin sonraki, daha fazla çözülmüş adımlarından elde ediyor; böylece öğretmenin avantajı modelin kendi kod-çözme sürecinden organik biçimde ortaya çıkıyor ve ek insan anotasyonu veya harici bir referans modeli gerektirmiyor. Dream ve LLaDA modellerinde dOPSD, hem etki alanı içi matematik akıl yürütmesini hem de etki alanı dışı kod üretimini iyileştirerek denetimli ve on-policy taban çizgilerini geçiyor. Bu bulgu, difüzyon dil modellerinin sonrası eğitim araştırması için önemli bir yönelim gösteriyor ve paralel metin üretiminin akıl yürütme kalitesiyle birleştirilebileceğine dair umut verici kanıtlar sunuyor.

Hugging Face Daily Papers →

6. Araştırma

İnsanüstü Manevra Kabiliyetli Şekil Değiştiren Quadrotor: MorphQuad

MorphQuad, her rotoru bağımsız iki eksenli gimbal ile yönlendirerek herhangi bir yönde itme kuvveti vektörleyebilen yeni nesil bir hava aracı.

Altyapı bakımı, temas tabanlı muayene ve acil müdahale gibi kritik görevler için araştırmacılar, uçan bir insan eli gibi işlev görebilecek yeni bir hava aracı mimarisi olan MorphQuad'ı geliştirdi. Mevcut hava araçları omnidireksiyonel uçuşu, maksimum itkiyi herhangi bir yönde vektörlemeyi ve kompakt standart tasarımı aynı anda sağlayamıyor; bu üçlü kısıt özellikle fiziksel temas gerektiren görevlerde kritik bir engel oluşturuyor. MorphQuad'ın çözümünün özü donanım-kontrol eş-tasarımında yatıyor: dört rotor sisteminin her biri bağımsız olarak iki eksenli gimbal ile eklemlendiriliyor. Kontrol tarafında ise küresel kararlı kontrol ve yalnızca downwash girişimi ile gimbal kilidini önlemek için rotorlar arası itme iptali izni veren enerji-optimal itme tahsisi kullanılıyor. Tam yerleşik özerklikle çalışan MorphQuad; boru muayenesi ve hedef takibi için öteleme yaparken çok-turlu dönüş gerçekleştiriyor, insan düzeyinde kuvvetle vana döndürebiliyor, tüneyebiliyor, nesne itebiliyor ve tek bir rotora yönelik rüzgar da dahil olmak üzere her yönden gelen bozucu etkileri reddedebiliyor. Bu yetenekler sırasıyla manevra kabiliyeti, manipülasyon ve esneklik başlıkları altında sistematik biçimde doğrulandı. Sonuçlar, MorphQuad'ın altyapı robotları için çığır açan bir tasarım ilkesi ortaya koyduğunu ve önceki mimarilerin hiçbirinin tek başına sunamadığı bir işlevsellik düzeyine ulaştığını gösteriyor.

Arxiv CS.RO →

7. Araştırma

Fine-Tuning Gerektirmeden VLA Politikalarını Dünya Modelleriyle Yönlendirme

DREAMSTEER, gizil dünya modeli ve değer modelini kullanarak VLA başarı oranını %23,75'ten %66,25'e çıkarıyor.

Önceden eğitilmiş vizyon-dil-eylem (VLA) politikaları umut verici sıfır-shot genelleme gösterse de dağıtım kayması karşısında sıklıkla başarısız oluyor; bu sorunu aşmak için genellikle hedef ortamdan toplanan yeni gösterimlerle ince ayar yapılması gerekiyor. DREAMSTEER, model parametrelerine dokunmadan çalışan bir dağıtım-zamanı yönlendirme çerçevesi sunuyor. Yöntemde VLA politikasından ve önceden tanımlı hareket ilkellerinden aday aksiyon parçaları örnekleniyor, bunların sonuçları aksiyona-koşullu gizil bir dünya modeli ile hayal ediliyor ve dil-koşullu bir değer modeli kullanılarak hayali yörüngeler sıralanıyor. Böylece en umut vaat eden aksiyonlar seçilerek sisteme geri besleniyor. Bu döngü, modelin ek eğitim maliyeti olmaksızın çıkarım sırasında dinamik olarak iyileştirilmesine olanak tanıyor. Dört gerçek-dünya manipülasyon benchmarkında görülmemiş nesnelerle gerçekleştirilen deneylerde DREAMSTEER, görev başarı oranını %23,75'ten %66,25'e ve talimat-takip doğruluğunu %38,75'ten %56,25'e yükseltiyor; bu iyileşme oranları mevcut ince ayar tabanlı yaklaşımlarla karşılaştırılabilir düzeyde. Sonuçlar, gizil dünya modellerinin mevcut politikaları ek eğitim maliyeti olmaksızın çıkarım sırasında güçlü biçimde iyileştirebileceğini ve VLA adaptasyonunda pratik, hızlı bir yol açabileceğini açıkça gösteriyor.

Arxiv CS.RO →

8. Araştırma

iFLYTEK'ten Görme, Dil ve Eylemi Birleştiren Cisimleştirilmiş Ajan

iFLYTEK-Embodied-Omni, görsel-dil anlama, video üretimi ve eylem kontrolünü tek bir çok-modlu mimaride birleştiriyor.

iFLYTEK araştırmacıları, genel amaçlı cisimleştirilmiş ajanların üç temel gereksinimi —çok-modlu talimat anlama, ortam evrimini öngörme ve uzun ufuklu hassas kontrol— ayrı modüller yerine tek bir çerçevede karşılayan iFLYTEK-Embodied-Omni'yi tanıttı. Mevcut kademeli boru hatları görsel sentez ile aksiyon çıkarımını ardışık olarak ele alıyor; bu durum arayüz darboğazlarına ve bileşik tahmin hatalarına yol açıyor. Önerilen sistemde görsel-dil, video-üretim ve aksiyon-üretim bileşenleri paylaşılan çok-modlu öz-dikkat aracılığıyla iletişim kuruyor. Bu tasarım "beyin-beyincik işbirliği" metaforuyla açıklanıyor: görsel-dil ve video üretim modeli yüksek düzeyli beyin işlevini —talimat anlama, görev planlama, ilerleme takibi ve gelecek görsel durum tahmini— üstlenirken aksiyon üretim modeli düşük düzeyli beyincik rolünü oynayarak planlanan alt-hedefleri ve çok-modlu bağlamı doğrudan yürütülebilir aksiyon parçalarına dönüştürüyor. Bileşenler arasındaki bu sıkı entegrasyon, her modülün diğerinin çıktısından anlık olarak beslenmesini sağlıyor ve hata birikimini azaltıyor. Dört aşamalı kademeli bir eğitim stratejisiyle geliştirilen mimari, modülleri sırayla olgunlaştırarak ortak temsillerin kararlı biçimde öğrenilmesine zemin hazırlıyor. Bu yaklaşım, monolitik çok-modlu ajanlarda beyin-eylem entegrasyonu için güçlü ve yeniden kullanılabilir bir referans çerçeve sunuyor.

Arxiv CS.AI →