Fiziksel yapay zekâ nedir? Fabrikalardan Kasım 2026 haberleri

Son iki yılda yapay zekâ denince çoğumuzun aklına ekranda yazı yazan sohbet araçları geliyordu. Kasım 2026'nın ilk haftalarında ise sanayiden gelen haberlerin ortak bir başlığı vardı: fiziksel yapay zekâ. Yani yalnızca konuşan değil, gören, anlayan ve elle tutulur bir iş yapan yapay zekâ.

Bu yazıda fiziksel yapay zekânın ne olduğunu sade bir dille anlatıyor, bu ay öne çıkan üç gerçek haberi bir fabrika yöneticisinin gözüyle okuyor ve kendi işletmeniz için hangi adımların mantıklı olduğunu konuşuyoruz.

Fiziksel yapay zekâ ne demek?

Klasik bir sanayi robotu, kendisine öğretilen hareketi aynı noktada, aynı şekilde tekrar eder. Parça birkaç santim kayarsa ya da ışık değişirse çoğu zaman durur ya da hata yapar. Bu yüzden robot kurulumları uzun sürer ve her ürün değişikliğinde yeniden programlama gerekir.

Fiziksel yapay zekâda robot, kamerayla ortamı görür, ne gördüğünü yorumlar ve hareketini buna göre ayarlar. Burada üç parça birlikte çalışır:

• Algı: Kamera ve sensörlerle parçayı, konumunu ve durumunu tanımak.
• Karar: Görüntüyü ve verilen görevi birleştirip ne yapılacağına karar vermek.
• Hareket: Bu kararı çarpışmasız, güvenli bir robot hareketine çevirmek.

Kısacası amaç, robotun değişen koşullara insan gibi uyum sağlayabilmesi.

Haber 1: LG, insansı robotunu çamaşır makinesi fabrikasında denedi

The Herald Business'ın 10 Kasım 2026 tarihli haberine göre LG Electronics, CLOiD adlı robotunu gerçek bir çamaşır makinesi fabrikasında nasıl eğittiğini ve doğruladığını Seul'de düzenlenen Nvidia AI Day etkinliğinde anlattı.

Seçilen görev dikkat çekici: 4 kilogramlık çamaşır makinesi üst panellerini askılara asmak. LG'nin robotik ekibinin başındaki Park Jeong-seop'un aktardığına göre bu işin sürekli tekrarlanması çalışanlarda kas ve iskelet rahatsızlıklarına ve yorgunluğa yol açıyordu.

Eğitim süreci üç adımdan oluşuyor:

1. Usta çalışanların videolarından üç boyutlu hareket verisi çıkarılıyor.
2. Bu veriler, uzaktan kumandayla toplanan örnekler ve benzetim verileriyle birleştirilip Nvidia'nın GR00T temel modeli üzerine kurulan bir görme-dil-eylem modeli eğitiliyor.
3. Gerçek fabrikanın neredeyse aynısı olan sanal bir ortamda denemeler yapılıyor, ardından robot gerçek sahaya alınıyor. Sahada çıkan sorunlar yeniden eğitime geri besleniyor.

Habere göre LG, robot eğitim verisi hedefini 100 bin saatten 500 bin saate çıkardı.

En öğretici kısım ise LG'nin açıkça dile getirdiği zorluklar. Robotun bir işi bir iki kez değil, uzun süre kesintisiz yapabilmesi gerekiyor. Üretim planı değiştikçe parça ve yerleşim de değişiyor. Park'ın ifadesiyle fabrika standart bir alan gibi görünse de içinde pek çok değişken var.

Haber 2: ABB, robotlara görme öğretmeyi kolaylaştırıyor

Robotics & Automation News'ın 9 Kasım 2026 tarihli haberine göre ABB Robotics, OmniCore EyeMotion ürününü AI Robot Trainer adlı bir araçla genişletti. Amaç, yapay zekâ destekli robot görme uygulamalarını sıfırdan model kuran uzmanlara ihtiyaç duymadan eğitmek, devreye almak ve sürekli iyileştirmek.

Haberde öne çıkan noktalar şunlar:

• Sahadan alınan gerçek görüntüler, kullanılabilir eğitim verisine dönüştürülüyor.
• Görüntü toplama, model eğitimi, devreye alma ve iyileştirme tek bir akışta birleşiyor.
• Adım adım rehberlik eden bir akış ve bir sohbet asistanı, ürün çeşidi, ışık ve yerleşim değişikliklerinde kullanıcıya yol gösteriyor.
• Farklı markalardaki kamera ve sensörlerle uyumlu olduğu belirtiliyor.

ABB'nin kendi açıklamasına göre çözüm, çarpışmasız otomatik yol planlamayla birlikte kullanıldığında devreye alma süresini yüzde 90'a kadar, çevrim süresini ise yüzde 50'ye kadar kısaltıyor. Bunların üretici beyanı olduğunu ve "kadar" ifadesinin en iyi durumu anlattığını akılda tutmak gerekir.

Kullanım alanları basit al-bırak işlerinden karışık kutudan parça toplamaya, kalite kontrole, ayıklamaya ve montaja kadar uzanıyor.

Haber 3: NTN ve Yazaki, görsel kontrolü birlikte deniyor

NTN'nin 5 Kasım 2026 tarihli duyurusuna göre şirket, Yazaki ile yapay zekâ ve robotik odaklı bir ortak çalışma başlattı. İlk adımda NTN'nin i-WRIST adlı robot modülü, Yazaki'nin Japonya'daki inovasyon tesisine kuruldu. İki şirket burada i-WRIST'i Yazaki'nin geliştirdiği yapay zekâ destekli görüntü işleme teknolojisiyle birlikte görsel kontrol için deniyor.

Bu haberin önemi şurada: Büyük şirketler bile yeni teknolojiyi doğrudan üretim hattına koymuyor. Önce kendi parçalarıyla, kontrollü bir ortamda deneme yapıyor, sonra gerçek üretime uygunluğunu değerlendiriyor.

Üç haberden çıkan dersler

Bu üç gelişme birlikte okununca bir fabrika yöneticisi için şu tablo çıkıyor:

• İlk hedef ağır ve tekrarlı işler. LG örneğinde olduğu gibi, çalışanı yoran ve sağlığını etkileyen işler fiziksel yapay zekânın doğal başlangıç noktası.
• Görüntü işleme en olgun alan. Kalite kontrol, ayıklama ve parça toplama, insansı robotlardan çok daha erken sahaya inen uygulamalar.
• Asıl sermaye veri. LG'nin usta çalışanların hareketlerini veriye dönüştürmesi, ABB'nin sahadaki görüntülerden eğitim verisi üretmesi aynı gerçeği gösteriyor: Sizin sahanıza ait veri olmadan model işe yaramıyor.
• Önce deneme, sonra yaygınlaştırma. Üç örnekte de önce kontrollü doğrulama yapılıyor.
• Süreklilik ve dayanıklılık hâlâ zor. Gösteri yapmak ile vardiya boyunca kesintisiz çalışmak aynı şey değil.

KOBİ'ler için pratik başlangıç adımları

İnsansı robot almak bugün çoğu KOBİ için gerçekçi bir hedef değil. Ancak fiziksel yapay zekânın arkasındaki mantık, daha küçük ve ulaşılabilir adımlarla bugünden uygulanabilir:

1. Bir darboğaz seçin. Gözle yapılan bir kalite kontrol, yorucu bir taşıma ya da sık hata çıkan bir ayıklama işi iyi bir adaydır.
2. Görüntü toplamaya başlayın. Hatalı ve sağlam ürünlerin fotoğraflarını düzenli biriktirmek, ileride kurulacak her sistemin temelini oluşturur.
3. Usta bilgisini kayda geçirin. Deneyimli çalışanlarınızın bir hatayı nasıl fark ettiğini yazılı ve görsel olarak belgeleyin.
4. Küçük bir deneme kurun. Tek bir istasyonda, ölçülebilir bir hedefle deneyin. Hata oranı, süre ve iş güvenliği etkisini önceden tanımlayın.
5. Ekibi sürece katın. Sistemin kimin yükünü hafifleteceğini baştan anlatın. Kararları son aşamada insan onayına bırakan bir yapı kurmak güveni artırır.

Sıkça sorulan sorular

Fiziksel yapay zekâ klasik otomasyondan ne farkla ayrılır? Klasik otomasyon sabit kurallarla çalışır. Fiziksel yapay zekâ ise görüntüyü yorumlayıp değişen koşullara uyum sağlamayı hedefler.

İnsansı robotlar yakında fabrikalarda yaygınlaşacak mı? LG örneği gerçek sahada denemelerin başladığını gösteriyor. Fakat LG'nin kendisi de uzun süreli kesintisiz çalışmanın ve değişen yerleşime uyumun hâlâ büyük zorluk olduğunu söylüyor.

Küçük bir işletme nereden başlamalı? Görüntü işlemeye dayalı kalite kontrol ve ayıklama gibi daha olgun uygulamalardan, tek istasyonlu küçük bir denemeyle.

Sonuç

Kasım 2026 haberleri, yapay zekânın ekrandan fabrika zeminine indiğini gösteriyor. LG insansı robotunu gerçek bir hatta deniyor, ABB robotlara görme öğretmeyi kolaylaştırıyor, NTN ile Yazaki görsel kontrolü kontrollü bir ortamda doğruluyor. Ortak mesaj net: Kazananlar, kendi sahasının verisini toplayan ve küçük, ölçülebilir denemelerle ilerleyen işletmeler olacak.

Fabrikanızda görüntü işleme ya da otomasyonla hafifletilebilecek bir işi birlikte belirlemek ve küçük bir deneme planlamak isterseniz, AtomAxis ekibi olarak bu ilk adımda yanınızdayız.