Prototip sistem, bir hackathon sırasında yalnızca 48 saat içinde geliştirildi.
Bir grup öğrenci, elektriksel kas uyarımı kullanarak insan el hareketlerini yönlendirebilen bir yapay zeka sistemi geliştirdi.
REKLAM
REKLAM
Amerika Birleşik Devletleri'ndeki Massachusetts Institute of Technology'de (MIT) yazılım mühendisliği okuyan öğrenciler, yapay zeka modellerini, kameraları ve kas uyarım donanımını tek bir sistemde birleştirerek Human Operator adlı giyilebilir bir cihaz geliştirdi.
“Yapay zekaya bir beden verdik” diye anlattı Human Operator'ın arkasındaki ekip, projenin internet sitesinde.
“Human Operator, yapay zekanın öğrenmenize yardımcı olmak veya tek başınıza yapamadığınız şeyleri yapmanızı sağlamak için kısa süreliğine bedeninizin kontrolünü ele almasına imkân tanıyan bir insan artırma aracı.”
Ekibin paylaştığı gösterimlerde, cihazın kullanıcıların kas uyarımı yoluyla el sallamasına, piyanoda notalar çalmasına ve “OK” el hareketini yapmasına rehberlik ettiği görülüyor.
Ekip, cihazın bir görüntü-dil modeli (vision-language model, VLM) kullanarak kafa bandına takılı bir kamerayla çevreyi analiz ettiğini ve kullanıcının kolundaki kasları uyararak sesli komutları fiziksel bir tepkiye dönüştürdüğünü belirtiyor.
VLM'ler, görüntüleri ve dili birlikte işlemek üzere eğitilmiş yapay zeka sistemleri.
Geliştiricilere göre Human Operator'da model, kullanıcının ne istediğini ve kamera görüntüsünde hangi nesnelerin ya da ortamın göründüğünü yorumluyor.
Bu bilgiler ışığında sistem, hangi el ya da bilek hareketinin yapılacağına karar veriyor.
Daha sonra kullanıcının bileğine veya ön koluna yerleştirilen elektriksel kas uyarımı (EMS) pedleri, belirli kasları harekete geçiren küçük elektrik darbeleri gönderiyor.
EMS teknolojisi hâlihazırda bazı fizyoterapi uygulamalarında ve yardımcı sistemlerde yaygın biçimde kullanılıyor.
Yapay zeka ile birleştirildiğinde bu tür beden arayüzleri, fiziksel öğrenme süreçlerini ya da rehabilitasyon egzersizlerini destekleme potansiyeli taşıyor.
Human Operator, 48 saatlik bir hackathon sırasında geliştirilen bir prototip. Arkasındaki ekip, MIT Hard Mode 2026 hackathon'unda 'Learn Track' kategorisinin birincisi oldu.