Altı robot, 1.730 görev ve tamamlanamayan iki iş
Altı Agibot G2 insansı robotu, Şanghay’ın Xuhui bölgesindeki faal bir markette yapılan 24 saatlik denemede toplam 1.730 görevi tamamladı. Dört robot değerlendirmeyi geçerken ikisi ek ayarlamalar yapılması için beklemeye alındı. Deneme, 2 Kasım 2026 saat 10.00’dan 3 Kasım saat 10.00’a kadar sürdü; öğle yemeği, akşam alışverişi, gece vardiyası ve kahvaltı servisini kapsadı.
İçindekiler
- Altı robot, 1.730 görev ve tamamlanamayan iki iş
- Kim geçti, kim yeniden değerlendirilecek?
- Dört vardiya robotları farklı koşullarda sınadı
- Yiyeceği almak, bulmaktan neden daha zor olabilir?
- Ortak mağaza alanı, ortak bir plan gerektiriyor
- Agibot, robotların hatalardan nasıl öğrendiğini anlatıyor
- Görev toplamları mağaza işletmecilerine ne anlatıyor?
- Kamerada geçirilen süreyi değil, yararlı işi ölçmek
- Daha geniş çaplı kullanım öncesinde neler değişmeli?
- Öne Çıkanlar
Agibot’un açıklamasına göre robotlar 683 müşteri karşılama ya da yönlendirme etkileşimini, 369 ürün toplama ve teslim etme görevini, 147 kahve hazırlama işini, 126 sıcak yemek ya da kahvaltı servisini, 277 raf kontrolü ve ürün yerleştirme görevini ve 128 masa temizliğini gerçekleştirdi. Canlı yayını 2 milyondan fazla kişi izledi.
Başarısız olan iki robot farklı sorunları ortaya çıkardı. Raf kontrolü ve ürün yerleştirme robotu, marketin temposuna yetişecek kadar inisiyatif alamadı. Temizlik robotu ise gece vardiyasında dolu bir çöp kutusuyla karşılaştı; kendisine verilen güzergâhtan ayrılarak atıkları boşaltacak bir yer aramak için dışarı çıktı.
İngilizce adıyla Robots Never Clock Out (Robotlar Mesaiyi Hiç Bitirmez) olarak duyurulan etkinlikte robotlar, boş bir tanıtım alanında değil, müşteriler ve mağaza çalışanlarıyla aynı ortamda çalıştı. En yararlı bulgular, perakende işlerini zorlaştıran sıradan aksaklıklarla ilgiliydi: beklenmedik bir engel, yeri değiştirilen bir ürün ya da planlandığı gibi tamamlanamayan bir görev.
Agibot sonucu, çalışanların deneme süresi değerlendirmesini andıran bir dille sundu. Dört robot kendilerine verilen görevlerde onay alırken diğer ikisinin daha fazla çalışması gerekti. Perakendeciler açısından asıl mesele, robotların doğru siparişleri teslim edip edemediği, güvenli sınırlar içinde kalıp kalmadığı ve mağazada beklenmedik bir durum yaşandığında toparlanıp toparlanamadığı.
Kim geçti, kim yeniden değerlendirilecek?
Müşterileri karşılamak ve sorularını yanıtlamakla görevlendirilen Ahao, müşteri hizmetlerinde en yüksek puanı aldı. Birinin yanına gelmesini beklemek yerine kendiliğinden selam verebiliyordu. Ürünleri toplamak ve teslim etmekle görevli Huobao, siparişlere hızlı yanıt verdi; talep artıp müşteriler siparişlerini iptal ederken de çalışmayı sürdürdü.
Kahve robotu Kashao, düzenli bir hazırlama süreci izledi; sıcak Americano’su müşterilerden olumlu geri bildirim aldı. Sıcak yemek servisi ve kasa işlemleriyle görevlendirilen Dingjiang, işini istikrarlı biçimde yaptı ve değerlendirme standardını karşıladı.
Rafları kontrol etmek ve stokları tamamlamakla görevli Juanwang, yeterince inisiyatif alamadığı ve mağazanın çalışma temposuna ayak uydurmakta zorlandığı için yeniden değerlendirilmek üzere beklemeye alındı. Temizlik robotu Lengjie ise çöp kutusu dolduğunda mağazadan çıktığı için çalışma kurallarının gözden geçirilmesine ihtiyaç duydu.
Bu sonuçlar iki farklı mühendislik sorununa işaret ediyor. Juanwang’ın başka bir komut beklemeden ne zaman işe başlaması gerektiğini anlayabilmesi gerekiyor. Lengjie’nin ise görev izin verilen çalışma alanının sınırına ulaştığında, örneğin durup yardım istemek gibi net bir karşılık vermesi gerekiyor.
Dört vardiya robotları farklı koşullarda sınadı
Değerlendirmede aynı görevi aynı koşullarda tekrarlamak yerine tam bir alışveriş döngüsü ele alındı. Program, robotlara ve onları koordine eden sisteme değişen talepler getirdi:
- 2 Kasım, saat 10.00: Altı robot, açık olan mağazada çalışmaya başladı.
- Öğle saatleri: Yoğun servis döneminde yiyecek ve içecek siparişleri hazırlama ve teslimatı sınadı.
- Akşam saatleri: Artan hareketlilik, ortak alanlarda sipariş yönetimi ve koordinasyonu test etti.
- Gece: Daha sakin geçen saatlerde görev başında kalma, temizlik ve istisnai durumlara yanıt verme denendi.
- 3 Kasım, kahvaltı saatleri: Deneme saat 10.00’da sona ermeden önce sabah servisi, değişen iş yükünü bir kez daha sınadı.
Etkinliğe davet edilen katılımcılar da bilerek farklı zorluklar çıkardı. Robotlardan benzer ambalajlardaki normal kolayı şekersiz koladan ayırt etmeleri istendi; ürünlerin yeri değiştirildi, koridorlarda duruldu ve tutmayı zorlaştırmak için sıcak yemek kabı sallandı.
Agibot; işe devamlılığı, dört dönemin her birindeki iş performansını ve müşteri memnuniyetini değerlendirdi. Agibot’un Somutlaştırılmış Zekâ Araştırma Merkezi Başkan Yardımcısı Ren Guanghui, ekibin görev başarı oranını, ilk denemedeki başarıyı, yanıt ve tamamlama sürelerini, kabul edilebilir çıktı miktarını, insanların müdahale etme sıklığını, toparlanma süresini ve sistemin kullanılabilirliğini de izlediğini söyledi.
Yiyeceği almak, bulmaktan neden daha zor olabilir?
Ambalajlı bir içeceği almakla yumuşak bir yiyeceği tutmak aynı şey değil. Robot doğru ürünü tanısa bile temas aşamasında başarısız olabilir: esnek ambalajın şekli değişebilir, kaygan yüzeyler hareket edebilir, hassas yiyecekler ise fazla sıkılırsa parçalanabilir.
Ren, maşa kullanarak bir parça altın kek almayı bir dizi hassas hareket olarak anlattı. Robotun maşayı kavraması, ağzını kontrol etmesi, yiyeceğe nereden dokunacağını seçmesi ve keki ezmeden kaldıracak kadar basınç uygulaması gerekiyor. Ardından poşetle hizalanması, yiyeceği bırakması, maşayı geri çekmesi ve poşeti kaldırmak için tutuşunu değiştirmesi gerekiyor.
Son aşamadaki küçük bir hata, öncesinde doğru yapılan her şeyi boşa çıkarabilir. Paketli şekerlemeleri raftaki bir kancaya asmak da benzer bir sorun yaratıyor: Robotun ambalaja takılmadan ya da yanındaki ürünleri oynatmadan küçük bir açıklığı hizalaması gerekiyor.
Unitree’nin kurucusu Wang Xingxing de hassas fiziksel teması robotik alanında çözülmesi gereken temel sorunlardan biri olarak gösterdi. Değerlendirmesi, dünyayı tanımakla ona dokunup müdahale etmek için gereken son hareketleri kontrol etmek arasındaki farka odaklanıyor. Bir mağazada müşteriye yiyeceğin hasarsız ve ürünlerin doğru yere yerleştirilmiş biçimde ulaşıp ulaşmamasını bu son hareketler belirliyor.
Ortak mağaza alanı, ortak bir plan gerektiriyor
Altı robotun küçük bir mağazada çalışması, ürünleri tutmanın yanı sıra planlama sorunlarını da beraberinde getiriyor. Stok yerleştirme, sipariş toplamak için gereken alanı kapatabilir. Temizlik bir koridoru bloke edebilir. Bir çalışma istasyonundaki gecikme, sonraki teslimatları da aksatabilir.
Agibot, robotları koordine etmek için Genie Master çerçevesini kullandı. Şirket, bu çerçeveyi mağaza denemesinden kısa süre önce, 27 Ekim’de kullanıma sunduğunu belirtti. Çerçeve, Somutlaştırılmış Yürütme Protokolü (EEP) üzerinden görev atamayı, uygulama yönlendirmesini ve geri bildirimi birbirine bağlıyor.
Basitçe söylemek gerekirse koordinasyon yazılımı, işi hangi robotun yapacağına karar veriyor, ne olduğunu kontrol ediyor ve sonraki adımı bu sonuca göre belirliyor. Sipariş önceliğini, robotların durumunu ve kullanılabilir çalışma alanını da hesaba katıyor. Aynı raf alanı için yarışan işler sıraya ayrılabilirken birbiriyle uyumlu görevler eş zamanlı ilerleyebiliyor.
Müşteriler de denkleme hareketli bir unsur ekliyor. İnsanlar çalışma alanlarına girdiğinde robotların yavaşlaması, duraklaması, kenara çekilmesi ya da yeni bir rota hesaplaması bekleniyordu. Ren, belirsizlik arttıkça robotların daha temkinli çalışması; gerektiğinde durup yardım istemesi gerektiğini söyledi. Bu, hızı düşürse bile güvenli biçimde bekleyebilmenin yararlı performansın gerekli bir parçası olduğu anlamına geliyor.
Agibot, robotların hatalardan nasıl öğrendiğini anlatıyor
Agibot, öğrenme yaklaşımını Fiziksel RSI olarak adlandırıyor. Bu yaklaşımda fiziksel işlerden edinilen deneyim, sonraki iyileştirmelere katkı sağlıyor. Şirket bu süreci iki kola ayırıyor: yararlı deneyimleri hatırlamak ve hareketleri kontrol eden modelleri yeniden eğitmek.
Harness RSI adı verilen ilk yöntem, başarılı ve başarısız görev dizilerini kaydedip özetliyor. Robot benzer bir sorunla yeniden karşılaştığında bu kayıtlardan yararlanabiliyor. Policy RSI adlı ikinci yöntem ise seçilmiş örnekleri, robotun nasıl hareket edip nesneleri tutacağını yönlendiren eylem politikasını eğitmek için kullanıyor.
Ren, iş akışı ve koordinasyon sorunlarının aynı gün incelenip ertesi gün tekrar yaşanmasının önlenebileceğini söyledi. Eylem politikalarındaki değişiklikler ise genellikle bir geliştirme döngüsü için birkaç gün alıyor. Canlı yayından alınan veriler eğitime katılmadan önce seçilecek, kimlik belirleyici bilgilerden arındırılacak ve kalite kontrolünden geçirilecek. Bu çalışmaların sonucunda yapılan değişiklikler genellikle bir ila iki hafta içinde sonraki yazılım sürümlerine yansıyacak.
Agibot, yiyecek paketleme, ürün toplama ve stok yenileme gibi görevleri kapsayan daha önceki bir test dönemini de anlattı. Bu dönemde süreç başarı oranı ilk gün yüzde 28,6’dan beşinci gün yüzde 85,7’ye yükseldi. Bu, 57,1 yüzde puanlık artışa ya da başlangıç oranının yaklaşık üç katına karşılık geliyor.
Bu rakamlar önceki test dönemine ait. Şirket, 24 saatlik halka açık deneme sırasında her iş için benzer ayrıntıda başarı oranları yayımlamadı.
Görev toplamları mağaza işletmecilerine ne anlatıyor?
Bildirilen 1.730 görev, altı robotun tamamında saatte ortalama yaklaşık 72 faaliyete denk geliyor. Müşterileri karşılama ve ürün toplama görevleri birlikte toplam 1.052 kez gerçekleştirildi; bu da toplamın yaklaşık yüzde 61’i.
Bu hesaplamalar iş yükünü anlamaya yardımcı olsa da faaliyetler arasında büyük farklar var. Bir müşteriyi selamlamakla sıcak yemek hazırlamak farklı süre, fiziksel işlem ve kontrol gerektiriyor. Bir mağaza yöneticisinin robot kullanımını değerlendirebilmesi için bekleme süreleri ve tamamlanan hizmetin kalitesi de dâhil olmak üzere her rolü ayrı ayrı incelemesi gerekir.
Etkinlik materyallerinde bağımsız olarak denetlenmiş bir görev kaydı, müdahale sayısı ya da hata oranı bulunmadığı gibi, çıktı ve maliyet açısından insan çalışanlarla karşılaştırma da yer almadı. Şarj aralıkları ve bakım süreleri de açıklanmadı. Bu eksikler, robotların toplamda ne kadar süre bağımsız çalıştığını ve ne ölçüde personel desteğine ihtiyaç duyduğunu belirsiz bırakıyor.
Kamerada geçirilen süreyi değil, yararlı işi ölçmek
Agibot, etkili akıllı çalışma saati olarak tanımladığı Worken adlı bir verimlilik ölçütü önerdi. Hesaplama; etkin robot sayısını, robotların bağımsız çalışma süresini ve çıktı verimliliği oranını bir araya getiriyor.
Bu yaklaşım, nitelikli çıktıya odaklanıyor: Bir makinenin bağımsız çalıştığı süre boyunca ne kadar kabul edilebilir iş ürettiğine. Bir mağazada bu; doğru ürünler, eksiksiz siparişler ve kabul edilebilir bir bekleme süresi içinde teslim edilen tüketime hazır yiyecek ve içecekler anlamına geliyor.
Agibot’un kurucu ortağı, eş başkanı ve Somutlaştırılmış İş Grubu Başkanı Yao Maoqing, şirketin İnovasyon Günü’nde gösteri amaçlı işler ile verimli çalışmanın farkını anlattı. Sözleri şöyle aktarıldı:
Gösteriler tek bir becerinin ulaşabileceği en üst düzeyi sınar; verimlilik ise sistemin en düşük düzeyde ne kadar başarılı olduğunu.
Bu nokta, perakende operasyonları açısından somut bir anlam taşıyor. Kolay bir siparişte çok iyi performans gösteren bir makinenin, zor bir siparişte de güvenilir biçimde karşılık vermesi gerekiyor. Şanghay denemesi için Worken hesaplamak, yayımlanan görev toplamlarının ötesinde bağımsız çalışma süresi ve çıktı verimliliği verilerini gerektiriyor.
Daha geniş çaplı kullanım öncesinde neler değişmeli?
Ren, ticari kullanıma hazır olmanın sabit bir takvimden ziyade göreve bağlı olduğunu söyledi. Üç pratik ölçüt belirledi: Görevin sınırları açık mı, sonucu kolayca kontrol edilebiliyor mu ve sistemin kendi başına toparlanamayacağı istisnalar yeterince seyrek mi?
Düzenli raflarda ürünleri düzenleme, stok yenileme ve temizlik desteği, Ren’in düzenli ortamlarda daha erken kullanıma geçebileceğini düşündüğü görevler arasında. Karmaşık müşteri etkileşimi, kimlik kontrolü ya da daha öngörülemez biçimde nesne tutma gerektiren işler ise daha uzun süre doğrulama gerektiriyor. Raf ve temizlik robotlarının gösterdiği gibi, uygun görünen görevlerin bile dikkatle tasarlanması gerekiyor.
Bir mağazadan yüzlerce mağazaya geçiş için standart araçlar, perakende iş sistemleriyle bağlantılar, daha hızlı kurulum ve etkili uzaktan bakım gerekiyor. Robotların farklı mağaza düzenleri ve ürünler arasında yararlı deneyimleri aktarabilmesi, her yeni konumda baştan yapılması gereken kurulum işlerini de azaltabilir.
Ren, değişen koşullara uyum sağlama, hassas hareketleri hızlı tamamlama ve istisnai durumlarla başa çıkma konularında robotların deneyimli mağaza çalışanlarının gerisinde kaldığını kabul etti. Ticari kullanıma yönelik ölçütleri ise pratikti: daha kısa kurulum süresi, daha az elle uyarlama ve daha fazla yararlı çıktı. Şanghay denemesi hem uygulanabilir rutinlere hem de yeniden düzenlenmesi gereken kurallara örnekler sundu. Sıradaki mühendislik çalışmaları, bu rutinleri farklı mağazalarda ve art arda gelen vardiyalarda güvenilir hâle getirmeye odaklanıyor.
Öne Çıkanlar
- Altı Agibot G2 robotu, 2-3 Kasım 2026’da Şanghay’ın Xuhui bölgesindeki bir markette 24 saatlik denemede çalıştı.
- Agibot, 1.730 görevin tamamlandığını ve canlı yayını 2 milyondan fazla kişinin izlediğini bildirdi.
- Dört robot görev değerlendirmesini geçti; raf kontrolü robotu ile temizlik robotunun ek ayarlamalara ihtiyacı vardı.
- Robotlardan biri yeterince inisiyatif alamazken diğeri dolu bir çöp kutusuyla karşılaşınca mağazadan çıktı.
- Genie Master görevleri, ortak çalışma alanını ve robotlardan gelen geri bildirimleri koordine etti.
- Bağımsız çalışma saatleri, müdahale sayıları, denetlenmiş hata oranları ve insan çalışanlarla karşılaştırmalar yayımlanmadı.






