Gerçek anlamda otomatikleştirilmiş bir işletmenin nihai hedefi, tıpkı tek bir işletim sisteminin farklı bilgisayarlarda çalışabilmesi gibi, tüm robotik filosu genelinde konuşlandırılabilen genel amaçlı bir yapay zekâdır. Şu anki durumda, bir depoda gezinen tekerlekli robot, kampüs çevresinde devriye gezen dört ayaklı robot ve envanteri denetleyen bir dron, tamamen farklı yazılım yığınlarında çalışıyor. Bu parçalanmış yaklaşım, yüksek geliştirme maliyetlerine, karmaşık entegrasyona ve verimsiz model eğitimine yol açarak, toplam sahip olma maliyetini (TCO) artırıyor ve ölçeklenebilirliği engelliyor.
Galbot, üniversite araştırma ekipleriyle iş birliği yaparak bu parçalanma sorununu çözmeyi amaçlayan NavFoM (Navigation Foundation Model) adlı bir sistemi duyurdu. Şirket, bu sistemi, bir işletmenin tüm robotik filosu için kullanılabilecek “dünyanın ilk çapraz bedenli, çapraz görevli navigasyon” temel yapay zekâ modeli olarak tanımlıyor.
Sistemin tasarımı, tekli navigasyon görevlerini öğrenmekten uzaklaşıyor; bunun yerine tek bir yapay zekâ modeline genel hareket kavramını öğretmeyi hedefliyor. Pratikte bu, aynı çekirdek modelin “dört ayaklılardan tekerlekli insansılara, insansı robotlara, dronlara ve hatta araçlara” dağıtılabileceği anlamına geliyor. Bu model, bir fabrika zemininde “Şu kişiyi takip et” komutundan, bir otoparktaki “Kapıdaki kırmızı arabayı bul” komutuna kadar bir dizi aktiviteyi doğal dil komutlarıyla yorumlayabiliyor.
Temel iş değeri, dağıtım verimliliğinde yatıyor. Model, “ön haritalama veya ek eğitim verisine ihtiyaç duymadan daha önce hiç görülmemiş sahnelerde” çalışmak üzere tasarlandı. Operasyon yöneticileri için, bu sıfır-atış (zero-shot) yeteneği, bir robotun konuşlandırılmasından önce tesisin lazerle taranması veya ayrıntılı bir dijital ikiz oluşturulması gibi maliyetli ve zaman alıcı süreçleri ortadan kaldırabilir. Ancak, bu değerin gerçek testi pilot programlarda ortaya çıkacaktır; yöneticiler bu iddiayı yoğun bir kabul iskelesi gibi dinamik bir ortamda doğrulamalıdır.
Bu birleşik yaklaşım aynı zamanda yapay zekânın çapraz öğrenmesine de olanak tanıyor; yani bir robot türünün öğrendiği davranışlar, daha geniş robotik filodaki başka bir robotu bilgilendirebiliyor. Galbot, otonom sürüş sisteminden elde edilen “yol tahmini” bilgisinin, yoğun bir depo koridorundaki tekerlekli bir robot için yol planlamasına rehberlik edebileceğini öne sürüyor. Sistemin zekâsı, bildirildiğine göre sekiz milyon navigasyon veri noktası ve dört milyon soru-cevap örneği içeren devasa bir veri kümesi üzerine inşa edilmiştir. Bu, Baş Veri Yöneticileri için fiziksel operasyonlardaki rekabet avantajının giderek veriden geleceğinin altını çiziyor.
Hesaplama yükü de önemli bir faktördür. NavFoM, yedi milyar parametreli bir modeldir. Galbot, “BATS Stratejisi” (Budget-Aware Token Sampling) sayesinde insan dikkatini taklit ederek gerçek zamanlı tepkiler sağladığını iddia etse de, bu yine de robotun kendisinde güçlü bir bilişim donanımı gerektiriyor. Şirket, eğitim performansını artırmak için bir “görsel özellik önbellekleme” mekanizması geliştirdi. Bu yaklaşımın eğitimi 2.9 kat hızlandırdığı ve ortalama GPU bellek maliyetini 1.8 kat azalttığı bildiriliyor.
Bu teknoloji, kurumsal liderler için tedarik konuşmasını değiştiriyor. CIO’lar ve CTO’lar için, “kara kutu cihaz” olarak bir “güvenlik robotu” tedarik etmek yerine, odak noktası tüm robotik filoya güç verebilecek temel yapay zekâ modeli olmalıdır. Uzun vadede, tek bir modelin toplam sahip olma maliyeti, bir düzine farklı sistemi yönetmekten teorik olarak daha düşük olacaktır. Galbot, halihazırda uzun menzilli takip için TrackVLA++ ve rota planlaması için üçüncü taraf haritalama yazılımlarıyla entegre olan UrbanVLA gibi özel uygulamalarla bu platform konseptini inşa ediyor.
Bu yaklaşım, robotları “yerelleştirilmiş işlevler” olarak görmekten uzaklaşarak onları “akıllı bir altyapının” parçası olarak ele almayı öneriyor. Veri stratejilerini ve tedarik politikalarını bu değişime hazırlayan liderler, yapay zekâ ve robotik filoları çabalarını etkili bir şekilde ölçeklendirme konusunda daha iyi bir konuma sahip olacaklardır.
