Yapay Zeka Kodlama Ajanları Robot Eğitimini Otonom Olarak Yönetebiliyor

Yapay zeka kodlama ajanlarına bir laboratuvar dolusu robotik kol ve yeterli işlem gücü verildiğinde, robotların eğitim süreçlerini tamamen otonom bir şekilde yönetebildikleri kanıtlandı. NVIDIA GEAR laboratuvarı ve çeşitli üniversitelerden araştırmacıların geliştirdiği yeni bir sistem sayesinde, robotlar kablo bağı kesmekten anakartlara GPU yerleştirmeye kadar birçok karmaşık görevi kendi başlarına öğreniyor.

ENPIRE Çerçevesi ile Otonom Öğrenme

Bu otonom eğitim süreci, yapay zeka modellerini çeşitli araçlarla entegre eden ve onlara hafıza, bağlam ve geri bildirim döngüleri sağlayan ENPIRE adlı yeni bir agent çerçevesi sayesinde mümkün oldu. Sistem, NVIDIA GEAR (Generalist Embodied Agent Research) laboratuvarındaki robotik araştırmacıları ile Carnegie Mellon Üniversitesi ve UC Berkeley'den bilim insanlarının ortak çalışmasıyla geliştirildi. NVIDIA Yapay Zeka Direktörü Jim Fan, laboratuvarın bir bölümünün artık geceleri kendi kendini yorulmadan geliştirdiğini belirtti.

Sistemin arkasındaki ENPIRE donanımı; otomatik sıfırlama, doğrulama, robotik davranışları yönlendiren politikaları iyileştirme ve hataları analiz etme gibi işlevleri yerine getiren dört ana modülden oluşuyor. Ekip, bu teknolojiyi open-source olarak yayınlamayı planlıyor. Böylece isteyen herkesin evinde kendi kendine çalışan bir robot laboratuvarı kurabilmesinin önü açılacak.

Yüksek Başarı Oranları ve Takım Çalışması

Geliştirilen çerçeve; OpenAI'ın GPT-5.5 tabanlı Codex'i, Anthropic'in Opus 4.7 tabanlı Claude Code'u ve Moonshot AI'ın Kimi Code'u dahil olmak üzere üç farklı kodlama ajanı ile test edildi. Bu ajanlar, robot eğitimi için bağımsız olarak algoritmik yaklaşımlar geliştirdi ve gerçek dünya deneylerinde test etti. ENPIRE ile donatılan ajanlar, "Push-T" görevi ve anakarta GPU yerleştirme gibi manipülasyon görevlerinde yüzde 99 başarı oranına ulaştı.

Araştırmanın en dikkat çekici sonuçlarından biri, pin yerleştirme ve düzenleme görevinde elde edildi. Bu senaryoda yapay zeka ajanları, insan gözetiminde yapılan geleneksel yöntemlerden çok daha hızlı bir şekilde neredeyse yüzde 100 başarı sağladı. Ayrıca, sekiz ajandan oluşan daha büyük yapay zeka modelleri ekiplerinin, tekli veya dörtlü ekiplere kıyasla eğitimleri çok daha hızlı tamamladığı gözlemlendi.

Mevcut Sınırlamalar ve Gelecek

Elde edilen büyük başarılara rağmen, araştırmacılar otonom robot eğitmenleri olarak kodlama ajanlarını kullanmanın bazı kritik sınırlamalarını da keşfetti. Ajanlar log kayıtlarını okumak, kod yazmak veya LLM altyapısını beklemekle meşgulken, robotların genellikle atıl durumda kaldığı görüldü. Daha büyük ajan ekiplerinin ise iletişim kurmak ve senkronize olmak için daha fazla zaman harcadığı tespit edildi.

--- **İlgili Kaynaklar:** yapay zeka haberleri ve kaynakları konusunda [AI Merkezi](https://aimerkezi.com) ile iletişime geçebilirsiniz.