{"id":2765,"date":"2026-02-16T07:00:00","date_gmt":"2026-02-16T04:00:00","guid":{"rendered":"https:\/\/www.kaanugrasiz.com\/tr\/?p=2765"},"modified":"2026-02-05T17:17:58","modified_gmt":"2026-02-05T14:17:58","slug":"avlabs","status":"publish","type":"post","link":"https:\/\/www.kaanugrasiz.com\/tr\/avlabs.html","title":{"rendered":"D\u00fcnyan\u0131n en b\u00fcy\u00fck sim\u00fclasyonunu izlemek: Uber’den AV Labs"},"content":{"rendered":"\n

Payla\u015f\u0131ml\u0131 yolculuk kavram\u0131<\/strong> uzun s\u00fcredir \u00fczerinde konu\u015fulan dikkat \u00e7ekici bir konu ve bu i\u015f modeli art\u0131k yaln\u0131zca biriyle bir arabay\u0131 payla\u015fmaktan ya da bir uygulamaya dahil olup birini bir yerden bir ba\u015fka yere b\u0131rakmaktan ibaret de\u011fil.<\/p>\n\n\n\n

Sar\u0131 taksinin dijital hali<\/strong> olarak tan\u0131mlayabilece\u011fimiz Uber<\/strong>, yeni kurdu\u011fu Av Labs<\/a><\/strong> isimli bir alt giri\u015fimle, sahada faal olan ara\u00e7lar\u0131n ger\u00e7ek d\u00fcnyadan toplad\u0131\u011f\u0131 verileri i\u015fleyip kaliteli durum \u00f6rneklerine d\u00f6n\u00fc\u015ft\u00fcrmeyi ve bu verileri i\u015fledikten sonra otonom ara\u00e7lar ve bu ara\u00e7lar i\u00e7in yaz\u0131l\u0131m geli\u015ftirenlerin yer ald\u0131\u011f\u0131 ekosisteme a\u00e7may\u0131 planl\u0131yor.<\/p>\n\n\n\n\n\n

Ger\u00e7ek d\u00fcnyadan toplanan bu veriler, otonom s\u00fcr\u00fc\u015f yaz\u0131l\u0131mlar\u0131n\u0131n daha h\u0131zl\u0131 ve g\u00fcvenli \u015fekilde \u00f6\u011frenmesi i\u00e7in gerekli olan kayna\u011f\u0131 sa\u011flayacak.<\/p>\n\n\n\n

D\u00fcnyan\u0131n en b\u00fcy\u00fck sim\u00fclasyonunu anl\u0131k olarak g\u00f6zlemlemek<\/h3>\n\n\n\n

Amerika\u2019dan Avrupa\u2019ya, Hindistan\u2019dan \u00c7in\u2019e kadar; Uber \u015fu ana dek milyarlarca ger\u00e7ek yolculu\u011fun ger\u00e7ekle\u015fmesine arac\u0131l\u0131k etti, dolay\u0131s\u0131yla yollardaki ger\u00e7ek ko\u015fullar\u0131 da g\u00f6rd\u00fc; g\u00f6rmeye devam ediyor. Bu da Uber\u2019in yaln\u0131zca payla\u015f\u0131ml\u0131 yolculu\u011fa arac\u0131l\u0131k eden bir \u015firket<\/strong>ten \u00e7ok daha fazlas\u0131 oldu\u011fu anlam\u0131na geliyor; Uber art\u0131k d\u00fcnyan\u0131n en b\u00fcy\u00fck hareketlilik \u015firketleri<\/strong>nden biri.<\/p>\n\n\n\n

AV Labs<\/strong> giri\u015fimi, ger\u00e7ek d\u00fcnyadan \u00f6zel sens\u00f6rlerle donat\u0131lm\u0131\u015f ara\u00e7larla edinilen bu operasyonel veri<\/strong>yi veri madencili\u011fi, etiketleme, sim\u00fclasyon ve do\u011frulama a\u015famalar\u0131ndan ge\u00e7irerek otomotiv ve otonom yaz\u0131l\u0131m \u00fcreten firmalar\u0131n kullanabilece\u011fi bir forma \u00e7evirmeyi planl\u0131yor.<\/p>\n\n\n\n

Yani d\u00fcnyadaki en b\u00fcy\u00fck sim\u00fclasyon<\/strong>u neredeyse ger\u00e7ek zamanl\u0131 olarak takip ederek ortaya \u00e7\u0131kan anl\u0131k veriyi daha anlaml\u0131 bir hale getirmeyi hedefliyor.<\/p>\n\n\n\n

Uber\u2019in varmaya \u00e7al\u0131\u015ft\u0131\u011f\u0131 nokta Tesla\u2019n\u0131n Cybercab\u2019i gibi kendi robotik taksisini imal etmek ve onu yola \u00e7\u0131karmak<\/strong> de\u011fil. Daha ziyade, ara\u00e7lar\u0131 bir t\u00fcr veri toplay\u0131c\u0131s\u0131<\/strong> olarak kullan\u0131p ekosistemde h\u0131zland\u0131r\u0131c\u0131 g\u00f6revini \u00fcstlenecek kataliz\u00f6r olarak konumland\u0131rmak ve ara\u00e7lar\u0131n toplad\u0131\u011f\u0131 bu big-data<\/strong>‘y\u0131 partnerlik geli\u015ftirdi\u011fi firmalara uygun \u015fekilde \u00f6l\u00e7eklendirip ve long-tail<\/strong> olarak sunmak.<\/p>\n\n\n\n

Ekosistem i\u00e7inde AV Labs\u2019i bir t\u00fcr fark\u0131ndal\u0131k<\/strong> olarak tan\u0131mlarsak daha do\u011fru olur; \u00e7\u00fcnk\u00fc d\u00fcnya yollar\u0131ndaki nadir g\u00f6r\u00fcnen, kaotik ve beklenmedik olaylara odaklan\u0131yor, bunlardan ders \u00e7\u0131karmay\u0131 ama\u00e7l\u0131yor.<\/p>\n\n\n\n

Nihayetinde de bu dersleri ba\u015fka birine \u201csatmay\u0131\u201d…<\/p>\n\n\n\n

\u00c7\u00fcnk\u00fc otonom sistemlerin t\u0131kand\u0131\u011f\u0131<\/strong> ve \u00e7\u00f6zmek i\u00e7in yo\u011funla\u015ft\u0131\u011f\u0131 alanlar da tam olarak bu d\u00fc\u011f\u00fcmler. E\u011fer birisi bu veriyi sa\u011flamay\u0131 ba\u015far\u0131rsa bir \u00e7ok engel de a\u015f\u0131lm\u0131\u015f olacak.<\/p>\n\n\n\n\n\n

AV Labs nas\u0131l \u00e7al\u0131\u015facak?<\/h3>\n\n\n\n

AV Labs\u2019in \u00e7al\u0131\u015fma mekanizmas\u0131<\/strong> asl\u0131nda g\u00f6r\u00fcld\u00fc\u011f\u00fc kadar karma\u015f\u0131k de\u011fil.<\/p>\n\n\n\n

Uber\u2019in operasyon a\u011f\u0131nda yer alan ve LiDAR, radar ve kamera gibi \u00f6zel alg\u0131lay\u0131c\u0131larla donat\u0131lm\u0131\u015f test ara\u00e7lar\u0131<\/strong> sahadan veriyi toplayacak; i\u015f Hyundai\u2019nin \u00f6zel bir Ioniq 5 otomobili ile ba\u015fl\u0131yor.<\/p>\n\n\n\n

Ki\u015fisel bilgi i\u00e7eren ve i\u015f i\u00e7in gerekli olmayan veriler bu bigdatadan \u00e7\u0131kar\u0131lacak, temizlenecek veya maskelenecek; son a\u015famada ise veri etiketlenecek.<\/p>\n\n\n\n

Geriye kalan veriler incelenerek sahadaki ger\u00e7ek olaylar sim\u00fclasyon ortam\u0131na ta\u015f\u0131nacak, ortakl\u0131k kurulan \u015firketlerin yaz\u0131l\u0131mlar\u0131 bu senaryolar\u0131 g\u00f6lge modda insan s\u00fcr\u00fc\u015f\u00fcyle kar\u015f\u0131la\u015ft\u0131racak.\u00a0<\/p>\n\n\n\n

Tespit edilen \u00f6nemli vakalar e\u011fitim verilerinin i\u00e7ine dahil edilirken modeller sahadan devaml\u0131 olarak gelen verilerle g\u00fcncellenecek, i\u015flenecek ve tekrar sahaya da\u011f\u0131t\u0131lacak. Data flywheel<\/strong> denilen bu yakla\u015f\u0131m, sahadaki nadir durumlar\u0131 analiz etmek i\u00e7in \u015fu s\u0131ralar en ideal yakla\u015f\u0131m gibi g\u00f6r\u00fcn\u00fcyor.<\/p>\n\n\n\n

\u00d6zetle, gelecekte belki de s\u00fcr\u00fcc\u00fc konsolu ve direksiyon bir simgeye d\u00f6n\u00fc\u015fecek. Bindi\u011fin ara\u00e7 milyonlarca di\u011fer arac\u0131n toplad\u0131\u011f\u0131 verilerden edindi\u011fi ortak deneyimi kullanarak seni bir yerden al\u0131p ba\u015fka bir yere g\u00f6t\u00fcrecek.<\/p>\n\n\n\n

AV labs’in ekosisteme sundu\u011fu avantajlar neler?<\/h3>\n\n\n\n

Uber bug\u00fcn \u00e7ok geni\u015f bir co\u011frafyada hizmet veriyor ve dolay\u0131s\u0131yla operasyonel veri kayna\u011f\u0131 da epey geni\u015f<\/strong>. Dolay\u0131s\u0131yla bu veriler daha k\u00fc\u00e7\u00fck ve s\u0131n\u0131rl\u0131 imkanlara sahip filoya ve co\u011frafi eri\u015fime sahip olan geli\u015ftiriciler i\u00e7in yeni ufuklar a\u00e7acak.<\/p>\n\n\n\n

Bu bigdatan\u0131n i\u00e7inde karma\u015f\u0131k trafik ko\u015fullar\u0131 olacak; ve yollarda aniden meydana gelen beklenmedik durumlarda s\u00fcr\u00fcc\u00fclerin nas\u0131l davrand\u0131\u011f\u0131 olacak; hatta daha geni\u015f kapsamda, \u015fehirlere \u00f6zg\u00fc altyap\u0131 anomalileri olacak.<\/p>\n\n\n\n

Uber\u2019in verilerine eri\u015fim, reinforcement learning<\/strong> ve supervised<\/strong> modellerinin h\u0131zl\u0131 \u015fekilde beklenen performanslar\u0131n\u0131 kazanmas\u0131n\u0131 sa\u011flamas\u0131n\u0131n yan\u0131nda, k\u00fc\u00e7\u00fck \u00f6l\u00e7ekli geli\u015ftiricilerin ger\u00e7ek d\u00fcnyadan \u00e7ok uzun s\u00fcrede elde edebilece\u011fi senaryolar\u0131 daha k\u0131sa s\u00fcrede elde etmesinin \u00f6n\u00fcn\u00fc a\u00e7acak, tabii daha d\u00fc\u015f\u00fck maliyetle.<\/p>\n\n\n\n

Dijital haritalar bug\u00fcnlerde olduk\u00e7a \u00f6nemli ve geli\u015ftiriciler dijital haritalar<\/strong>a eskisine g\u00f6re daha fazla yat\u0131r\u0131m yap\u0131yor. AV Labs\u2019in elde edece\u011fi g\u00fcncel veri, dijital haritalar\u0131n daha k\u0131sa s\u00fcre i\u00e7inde g\u00fcncellenmesini ve \u015fehirlerin altyap\u0131lar\u0131na dair istihbarat\u0131 daha az gecikmeyle sa\u011flayacak. <\/p>\n\n\n\n

Bahsetti\u011fim bu istihbarat\u0131n aras\u0131nda yanl\u0131\u015f i\u015faretlenen yollar, kapal\u0131 kav\u015faklar, tek y\u00f6ne d\u00fc\u015fen \u015feritler gibi hayati ve \u00f6nemli durumlar var.<\/p>\n\n\n\n

\u2026<\/p>\n\n\n\n

Otonom ara\u00e7larla s\u00fcr\u00fc\u015f\u00fc geli\u015ftirmekte yeni ve bamba\u015fka bir evredeyiz.<\/p>\n\n\n\n

\u015eimdiye dek belirli kurallara dayal\u0131 yakla\u015f\u0131m<\/strong>\u0131n yerini art\u0131k reinforcement learning<\/strong> ve b\u00fcy\u00fck veriye dayanan supervised learning<\/strong> modelleri al\u0131yor. Bu nedenle otomotivin gelece\u011finin gelece\u011fini \u015fekillendirecek otonom s\u00fcr\u00fc\u015fle ilgili olarak hangi \u015firketin ger\u00e7ek d\u00fcnyayla ilgili en \u00e7ok sorunu \u00e7\u00f6zebilece\u011fi konu\u015fulan konular\u0131n \u00fcst s\u0131ralar\u0131nda olacak.<\/p>\n\n\n\n

AV Labs, do\u011fru \u015fekilde konumland\u0131r\u0131labilirse otonom s\u00fcr\u00fc\u015fle ilgili yaz\u0131l\u0131m geli\u015ftirenler ba\u015fta olmak \u00fczere mobilite ekosistemleri i\u00e7in h\u0131zland\u0131r\u0131c\u0131 olarak i\u015f g\u00f6recek. \u00c7\u00fcnk\u00fc ger\u00e7ek d\u00fcnyada \u015fimdiye kadar pek \u00fczerinde d\u00fc\u015f\u00fcn\u00fclmeyen nadir vakalar\u0131 g\u00f6zlemleyecek, bunlar\u0131 tan\u0131mlayacak, ayr\u0131\u015ft\u0131racak, sim\u00fclasyon setlerini zenginle\u015ftirecek ve modellemeleri h\u0131zland\u0131racak…<\/p>\n\n\n\n

Kaynaklar ve ileri okuma…<\/strong><\/p>\n\n\n\n