Teknoloji / DÜNYA

NTT küçük robotlu raf testinde yüzde 92,3 başarı bildirdi; saha denemeleri sırada

NTT, fizik tabanlı modelin küçük robotlu raf yükleme simülasyonunda başarı oranını yüzde 73,1’den yüzde 92,3’e çıkardığını bildiriyor. Mujin ile saha denemeleri plan aşamasında; ticari kullanım açıklanmadı.

Teknoloji, işlemci ve bağlantılı bilginin kavramsal illüstrasyonu.İllüstrasyon
Temsili illüstrasyon

NTT, 11 Kasım tarihli duyurusunda, küçük bir robotun raf yükleme görevindeki başarı oranının fizik kurallarını kullanan bir dünya modeliyle yüzde 73,1’den yüzde 92,3’e çıktığını bildirdi. Görev, nesnelerin rafa istiflenmesini simüle ediyordu ve şirket sonucu teknolojinin kullanılmadığı durumla karşılaştırdı. NTT ayrıca OBJ3D video karşılaştırmasında iki referans sisteme göre daha düşük LPIPS skoru açıkladı. İlk planlanan saha uygulaması havaalanı bagajlarının taşınması, ancak robotik şirketi Mujin ile saha denemeleri henüz yapılacak. Duyuru ticari bir devreye alım bildirmiyor.

Sistem, robot hareket etmeden önce olası eylemleri değerlendirmek üzere tasarlandı. NTT, modelin videodan nesnelerin konumunu, yönelimini, hızını ve kütlesini tahmin ettiğini, ardından hareket denklemleriyle nesnelerin nasıl hareket edeceğini veya etkileşeceğini öngördüğünü söylüyor. Şirkete ait fizik kontrol adaptörü bu hesaplamaları bir video üretim modeline bağlıyor. Mevcut kontrol yazılımının önerdiği her eylem için sistem olası bir gelecek sahnesi oluşturup çarpışma, nesne düşmesi veya istifin devrilmesi gibi sonuçlara puan veriyor. Bu yapı mevcut kontrolcüyü tamamlıyor; gözetimsiz ve güvenli robot çalışmasını kanıtlamıyor.

Raf yükleme sonucu dikkat çekici, ancak geniş bir “robot daha iyi çalışıyor” iddiasından çok mutlak artışa bakmak anlamlı. Bildirilen başarı oranı 19,2 yüzde puan arttı; bu, 92,3’ten 73,1’in çıkarılmasıyla hesaplanıyor. Başlangıç oranına göre göreli artış yaklaşık yüzde 26,3; hesap 19,2’nin 73,1’e bölünmesine dayanıyor. İki hesap da NTT’nin yuvarlanmış değerlerini kullanıyor. Şirket kaç deneme yapıldığını, başarının nasıl tanımlandığını, nesnelerin veya başlangıç koşullarının değişip değişmediğini ya da tekrarlar arasındaki sonuç farkını açıklamıyor. Duyuruda belirsizlik aralığı da yok.

NTT’nin Tablo 1’i ayrı bir tahmin karşılaştırmasına daha fazla ayrıntı veriyor. Tabloda LPIPS skoru 100 ile çarpılmış olarak NTT modeli için 7,81, akademik OCK modeli için 7,92 ve ticari video üretim modeli NVIDIA Cosmos Predict 2.5 için 21,90 veriliyor. LPIPS’te düşük değer daha iyi. NTT değeri OCK’den 0,11 düşük; 7,92’ye göre fark yaklaşık yüzde 1,4. Bu aritmetik yalnızca tabloda görünen metriği anlatıyor. Duyuru, küçük farkın farklı koşullarda sürdüğünü gösterecek istatistik aralığı veya protokol karşılaştırması sunmuyor.

Karşılaştırmanın yapıldığı ölçütü bağlamına oturtmak gerekiyor. Yeon-Ji Song ve ortaklarının 2025 tarihli ICCV makalesi OBJ3D’yi katı nesnelerin nötr gri sentetik sahnelerde bulunduğu, 2.920 eğitim ve 200 test dizisinden oluşan bir veri kümesi olarak tanımlıyor. Veri kümesi nesne geometrisini ve çarpışma gibi etkileşimleri incelemek için tasarlandı. NTT, modelini açık OBJ3D kıyaslamasında değerlendirdiğini söylüyor; ancak OCK makalesiyle aynı veri bölümünü, test protokolünü veya eğitim düzenini kullanıp kullanmadığını açıklamıyor. Bu sonuç gerçek bir havaalanındaki bagaj işini değil, kontrollü bir kıyaslamadaki video tahminini ölçüyor.

NTT’nin vurguladığı teknik fark, fiziksel durumun açık biçimde temsil edilmesi. Bir video modeli görsel açıdan makul kareler üretirken yükün devrilmesine yol açacak kuvvetleri veya hareketi kaçırabilir. NTT, adaptörünün kütle ve hareketi temsil edip hareket denklemlerini kullanarak olası gelecekleri ürettiğini belirtiyor. Bu yaklaşım, özellikle her kutu veya valizin farklı olduğu durumlarda robotun riskli bir planı uygulamadan elemesine yardımcı olabilir. Duyuru gecikme süresi, donanım yapılandırması, bellek gereksinimi veya güvenlik testi vermiyor; bu nedenle aktif depoda hesapların yeterince hızlı ve güvenilir olduğunu gösteremiyor.

NTT, bagaj ve paket taşımayı hedeflenen uygulama olarak tanımlıyor ve Mujin ile saha denemeleri planladığını söylüyor. Teknolojinin Kasım 2026’da NTT R&D Forum’da sergilenmesi de planlanıyor. Bunlar geliştirme adımlarıdır; havaalanı işletmecilerinin sistemi seçtiğini, kurduğunu veya iş gücü tasarrufunu ölçtüğünü kanıtlamaz. Duyuru müşteri, proje bütçesi, kurulum tarihi, iş hacmi hedefi, canlı operasyonlardaki hata oranı veya fiyat vermiyor. Simüle istif görevinden değişen ışık, örtülme, konveyör hareketi ve insan varlığı altındaki karışık bagajlara geçiş gerçek saha testleri gerektirir.

Duyuru, somut fakat dar kapsamlı bir test sonucuna sahip araştırma kilometre taşı olarak okunmalı. Robot görevi olası operasyonel kullanımı gösterirken OBJ3D tahmin edilen video kalitesine ayrı bir kontrol sağlıyor. NTT’nin olası genişleme alanları olarak saydığı lojistik, üretim ve perakendede genel güvenilirliği bu iki sonuç tek başına kanıtlamıyor. Devreye alma öncesinde tekrarlanan denemeler, görev başarısının açık tanımı, güvenlik kontrolleri, görülmemiş nesnelerde performans ve tam sistemin mevcut alternatiflerle karşılaştırılması gerekir. NTT bu denemelere doğru bir yol tarif etti; sonuçlarını henüz yayımlamadı.

Veriler

Temel göstergeler

Raf yükleme simülasyonu başarı oranları

NTT’nin küçük robotla yürüttüğü simüle istif görevinde bildirdiği oranlar.

NTT teknolojisi olmadan küçük robotlu raf yükleme başarı oranı
73,1 percent
2026-11-11 · Gözlem
NTT teknolojisiyle küçük robotlu raf yükleme başarı oranı
92,3 percent
2026-11-11 · Gözlem
Yöntem

NTT, görev başarısı oranını teknoloji olmadan ve teknolojiyle bildirdi; deneme sayısı, başarı ölçütü ve değişkenlik açıklanmadı. 92,3 eksi 73,1 eşittir 19,2 yüzde puan. 19,2 bölü 73,1 yaklaşık yüzde 26,3 göreli artış verir. Bu hesaplar yuvarlanmış şirket değerlerine dayanır ve ayrı ölçüm değildir.

Güncelleme:

Tablo

OBJ3D video benchmark LPIPS karşılaştırması

NTT’nin yayımladığı tabloda gösterilen model skorları. LPIPS’te düşük değer daha iyidir.

NTT dünya modeliŞirket modeli7.81 LPIPS x100
OCKNTT’nin atıf yaptığı akademik model7.92 LPIPS x100
NVIDIA Cosmos Predict 2.5Ticari video üretim modeli21.90 LPIPS x100
Yöntem

NTT’nin Tablo 1’i LPIPS değerlerini 100 ile çarpılmış biçimde verir ve düşük skor daha iyidir. Skor hücreleri yayımlanan 7,81, 7,92 ve 21,90 değerlerini birim açıklamasıyla aynen korur. Duyuru belirsizlik aralığı veya NTT ile OCK protokollerinin doğrudan karşılaştırmasını vermiyor.

Güncelleme:

Yapılandırılmış kapsam

Konular ve yerler

Konu önerileri

Sınıflandırma sürümü: IPTC Media Topics 2026-Q2

Okumaya devam edin