Bu rehber kimin için? Python, C++, web, backend, AI/ML, gömülü veya DevOps tecrübesi olan ve robotik alanına bugün somut bir adım atmak isteyen yazılımcılar ve mühendisler için.
Kaynak etiketleri: BİRİNCİL kurumun kendi yayını · İKİNCİL haber veya ikincil aktarım · YAZARIN ANALİZİ benim mühendis olarak yorumum. Tarihler yayın tarihidir. Resmî kaynakta doğrulayamadığım iddialar bu rehbere alınmadı.
| Gösterge | Değer | Kaynak |
|---|---|---|
| 2025'te kurulan endüstriyel robot | 600.000+ (yıllık +%11) | IFR World Robotics 2026, 24 Eyl 2026 BİRİNCİL |
| Fabrikalarda çalışan toplam robot | 5 milyon (rekor, +%9) | IFR, 24 Eyl 2026 BİRİNCİL |
| Çin'deki kurulum (2025) | 354.000 · dünyanın %59'u · %55'i yerli üretici | IFR Çin bülteni, 24 Eyl 2026 BİRİNCİL |
| Çin için beklenti | 2029'a kadar yıllık ortalama %5–10 büyüme | IFR, 24 Eyl 2026 BİRİNCİL |
| Robot yoğunluğu (imalat, 10.000 çalışan başına, 2024 verisi) | Dünya 132 · Güney Kore 1.220 · Almanya 449 | IFR, Nis 2026 BİRİNCİL |
Okuma notu YAZARIN ANALİZİ: Endüstriyel robot pazarı gerçek ve büyüyor. İnsansı robot rakamları ise tahmin; aradaki fark güvenilirlik, veri ve maliyet sorunlarının ne kadar hızlı çözüleceğine bağlı. Bu sorunların çoğu yazılım işidir.
Her madde için: ne oldu, nasıl çalışıyor, siz bugün ne yapabilirsiniz.
NVIDIA Isaac GR00T N1.7 · 17 Nisan 2026 BİRİNCİL 3 milyar parametreli, açık bir görsel-dil-eylem (VLA) modeli: kamera görüntüsü ve talimatı alır, robot eklemleri için komut üretir. Yaklaşık 20.854 saatlik insan bakış açısı videosuyla ön eğitimli; 22 serbestlik dereceli ellerde parmak düzeyinde kontrol yapabiliyor. Siz ne yapabilirsiniz: Kod Apache 2.0; N1.7 ağırlıkları NVIDIA Open Model License ile ticari kullanıma açık. İnce ayar (fine-tuning) için NVIDIA GPU gerekir. Not: N1.6 model kartı ticari olmayan bir lisansa bağlantı veriyor; ticari projede lisansı ayrıca kontrol edin.
NVIDIA Cosmos 3 · 31 Mayıs 2026 BİRİNCİL Fiziksel yapay zekâ için "dünya modeli" ailesi: gerçekçi sentetik video ve senaryo üreterek robot eğitimi için veri çoğaltır. Super (64B), Nano (16B) ve Edge (4B) boyutları var; Nano ağırlıkları Hugging Face'te ticari kullanıma açık lisansla (OpenMDW 1.1) yayında. Siz ne yapabilirsiniz: build.nvidia.com üzerinden tarayıcıda denemek; yerelde çalıştırmak için güçlü NVIDIA GPU.
Physical Intelligence π0 / π0.5 (openpi) · 2025 BİRİNCİL Farklı robotlarda çalışabilen genel amaçlı VLA modelleri. π0 ve π0-FAST Şubat 2025'te açık kaynak oldu; π0.5 Nisan 2025'te duyuruldu, ağırlıkları Eylül 2025'te openpi'de yayımlandı (Apache 2.0). Şirket Nisan 2026'da π0.7'yi tanıttı, Ekim 2026'da ince ayar ve barındırma sunan Pi API'yi beta olarak açtı; bu yeni modeller için yayımlanmış açık ağırlık bulamadım. Siz ne yapabilirsiniz: π0/π0.5 ağırlıklarını openpi veya LeRobot üzerinden kullanmak.
Hugging Face LeRobot · v0.6.1, Ağustos 2026 BİRİNCİL Robot öğrenmesi için açık kaynak kütüphane (Apache 2.0). Hazır politikalar (ACT, Diffusion Policy), açık VLA modelleri (SmolVLA, π0/π0.5, GR00T N1.7), simülasyon ortamları ve ucuz donanım desteği bir arada. SmolVLA (Haziran 2025) yaklaşık 450 milyon parametre; tek tüketici GPU'sunda veya MacBook'ta eğitilebiliyor. Siz ne yapabilirsiniz: Bugün, donanımsız, Mac'te simülasyonda politika eğitmek (Bölüm 7, 1. hafta). Donanıma geçmek isterseniz SO-101 kolunun parça maliyeti lider + takipçi çift için yaklaşık 226 €.
Google DeepMind Gemini Robotics 2 ailesi · 30 Temmuz 2026 BİRİNCİL
Üç model: Gemini Robotics 2 (insansı robotlarda tüm vücut kontrolü yapan VLA), Gemini Robotics ER 2 (planlama ve uzamsal akıl yürütme) ve On-Device 2 (internetsiz, robot üzerinde çalışan sürüm).
Siz ne yapabilirsiniz: Yalnızca ER 2 herkese açık: Gemini API'de gemini-robotics-er-2-preview (gerçek zamanlı kullanım için gemini-robotics-er-2-streaming-preview) adıyla önizlemede. Nesneyi işaret etme, sınırlayıcı kutu, yörünge ve çok adımlı görev planı üretir. VLA ve On-Device modelleri yalnızca erken erişim ortaklarına açık. Eski gemini-robotics-er-1.6-preview 31 Ağustos 2026'da kullanımdan kaldırıldı ve artık kapalı.
Newton fizik motoru · 29 Eylül 2025 BİRİNCİL Disney Research, Google DeepMind ve NVIDIA'nın birlikte geliştirip Linux Foundation'a devrettiği GPU hızlandırmalı, açık kaynak (Apache 2.0) fizik motoru. Duyuruda beta olarak tanımlandı. Arka planda MuJoCo Warp kullanıyor. CPU'da da çalışır (macOS'ta yalnızca CPU); hız için NVIDIA GPU gerekir.
NVIDIA Jetson AGX Thor · 25 Ağustos 2025 BİRİNCİL Robot üzerinde yapay zekâ çalıştırmak için bilgisayar: 128 GB bellek, geliştirici kiti 3.499 $'dan başlıyor. Büyük VLA modellerini robotun içinde çalıştırmayı hedefliyor.
| Katman | Ne yapar | Örnek teknolojiler |
|---|---|---|
| Algılama | Kamera, lidar ve sensör verisini anlamlandırır | OpenCV, YOLO, nokta bulutu, sensör füzyonu |
| Akıl yürütme ve planlama | Görevi adımlara böler, nereye gidileceğine karar verir | LLM / Gemini Robotics-ER, Nav2, MoveIt 2 |
| Politika (VLA) | Görüntü ve talimattan doğrudan hareket üretir | GR00T, π0/π0.5, SmolVLA, ACT |
| Kontrol ve gömülü | Motorları gerçek zamanlı ve güvenli sürer | C++, gerçek zamanlı Linux, mikrodenetleyici, ros2_control |
| Ara katman | Parçaları birbirine bağlar | ROS 2 (düğüm, topic, servis, action) |
| Simülasyon ve veri | Donanımsız dener, eğitim verisi üretir | Gazebo, MuJoCo, Isaac Sim/Lab, Cosmos |
| Filo ve operasyon | Çok robotu izler, günceller, raporlar | rosbridge, Foxglove, MQTT, Open-RMF, Kubernetes |
YAZARIN ANALİZİ Klasik yapıda her katman ayrı yazılır. Yeni eğilimde politika katmanı (VLA) algılama ile kontrolü tek modelde birleştiriyor. Ama güvenlik, gerçek zamanlı kontrol, veri hattı ve filo yönetimi hâlâ klasik yazılım mühendisliği işi.
✓ resmî destek · ~ çalışır ama ek yol gerekir · ✗ desteklenmiyor
| Araç | Ne için | Lisans · maliyet | Linux | Windows | Apple Silicon Mac | Donanım |
|---|---|---|---|---|---|---|
| ROS 2 Jazzy (LTS, Mayıs 2029'a kadar) | Robot yazılımı ara katmanı | Açık kaynak · ücretsiz | ✓ Ubuntu 24.04 | ✓ | ~ RoboStack veya Ubuntu sanal makine | Sıradan bilgisayar |
| ROS 2 Lyrical (LTS, Mayıs 2031'e kadar) | Aynı, en yeni LTS | Açık kaynak · ücretsiz | ✓ Ubuntu 26.04 | ✓ Windows 11 | ~ aynı | Sıradan bilgisayar |
| Gazebo Harmonic / Jetty | 3D robot simülasyonu | Açık kaynak · ücretsiz | ✓ | ~ deneysel (Jetty) | ~ Homebrew, "en iyi çaba" desteği (Sequoia arm64 için hazır paket) | Masaüstü bilgisayar |
| MoveIt 2 | Robot kolu hareket planlama | BSD-3 · ücretsiz | ✓ | ✓ | ~ sanal makine | Sıradan bilgisayar |
| MuJoCo 3.x | Hızlı fizik simülasyonu, RL | Apache 2.0 · ücretsiz | ✓ | ✓ | ✓ pip install mujoco |
CPU yeterli; GPU sürümü (MuJoCo Warp) NVIDIA ister |
| LeRobot 0.6 | Robot öğrenmesi, VLA, veri seti | Apache 2.0 · ücretsiz | ✓ | ✓ | ✓ MPS ile | Mac/CPU ile başlanır; büyük eğitim için GPU |
| Webots R2025a | Eğitim odaklı simülatör | Apache 2.0 · ücretsiz | ✓ | ✓ | ✓ | Sıradan bilgisayar · 2025'ten beri kararlı sürüm yok |
| Isaac Sim 6.x | Fotogerçekçi simülasyon, sentetik veri | Kod Apache 2.0 + Omniverse şartları · ücretsiz | ✓ | ✓ | ✗ | Şart: RTX 4080 / 16 GB VRAM, 32 GB RAM (en az) |
| Isaac Lab 3.0 (erken erişim) | GPU'da paralel RL ve taklit öğrenmesi | BSD-3 · ücretsiz | ✓ | ✓ | ✗ | Isaac Sim ile aynı |
| OpenCV 5.0 | Görüntü işleme | Apache 2 · ücretsiz | ✓ | ✓ | ✓ | Sıradan bilgisayar |
| Foxglove | Robot verisi görselleştirme | Kapalı kaynak · ücretsiz plan (3 kullanıcı) | ✓ | ✓ | ✓ | Tarayıcı veya masaüstü |
Apple Silicon Mac kullananlar için özet YAZARIN ANALİZİ
Hangi sürümle başlamalı? Gazebo'nun resmî belgesi yeni kullanıcılara ROS 2 Lyrical + Gazebo Jetty (Ubuntu 26.04, desteği 2031'e kadar) öneriyor; Ubuntu 26.04'e geçemeyenler için Jazzy + Harmonic (2029'a kadar). BİRİNCİL Benim önerim: eğitim ve örnek projeleri takip ederek öğrenecekseniz Jazzy + Harmonic ile başlayın, çünkü TurtleBot3 gibi örneklerin çoğu henüz bu ikiliye göre yazılmış; yeni bir ürün geliştiriyorsanız Lyrical + Jetty seçin. Desteği Kasım 2026'da biten Kilted ve Aralık 2026'da biten Gazebo Ionic ile yeni proje başlatmayın. YAZARIN ANALİZİ
Üçü de donanımsız, tamamen simülasyonda yapılabilir. Süreler deneyimli bir yazılımcı için tahminimdir YAZARIN ANALİZİ.
ros-jazzy-ros-gz (Gazebo Harmonic ile gelir). Mac'te Ubuntu 24.04 arm64 sanal makine.ros_gz_image, cv_bridge + OpenCV, yolo_ros.1) TurtleBot3 simülasyonunu kurun ve açın
mkdir -p ~/turtlebot3_ws/src && cd ~/turtlebot3_ws/src
git clone -b jazzy https://github.com/ROBOTIS-GIT/turtlebot3_msgs.git
git clone -b jazzy https://github.com/ROBOTIS-GIT/turtlebot3.git
git clone -b jazzy https://github.com/ROBOTIS-GIT/turtlebot3_simulations.git
cd ~/turtlebot3_ws && rosdep install --from-paths src --ignore-src -r -y
colcon build --symlink-install && source install/setup.bash
export TURTLEBOT3_MODEL=waffle
ros2 launch turtlebot3_gazebo turtlebot3_world.launch.py
2) Kamerayı kontrol edin. Waffle ve Waffle Pi modellerinde kamera var; Burger'da yok. Jazzy dalındaki başlatma dosyası kamerayı ros_gz_image ile otomatik olarak ROS 2'ye aktarır. Ayrıca köprü kurmanız gerekmez. Görüntünün geldiğini ros2 topic hz /camera/image_raw ile doğrulayın.
3) OpenCV düğümü yazın. /camera/image_raw topic'ine abone olun, görüntüyü cv_bridge ile OpenCV'ye çevirin, önce basit bir renk tespiti yapın.
4) YOLO'ya geçin. yolo_ros'u aynı çalışma alanına klonlayıp rosdep install ve colcon build ile derleyin. Varsayılan ayar dosyası farklı bir kamera topic'i (/camera/rgb/image_raw) ve derinlik kamerası bekliyor. yolo_bringup/config/yolo.yaml dosyasını kopyalayıp şunları değiştirin:
rgb_topic: /camera/image_rawdepth_topic ve depth_info_topic satırlarını silin, plugins listesinden detection3d'yi çıkarınprovider: cpuros2 launch yolo_bringup yolo.launch.py params_file:=$HOME/tb3_yolo.yaml
ros2 topic list | grep detections
5) Davranış ekleyin. Hedef sınıf görülünce robotu ona çevirin ve yaklaştırın, belirli mesafede durdurun. Dikkat: Jazzy'de TurtleBot3 /cmd_vel için geometry_msgs/TwistStamped bekliyor; düz Twist yayınlarsanız robot hareket etmez.
6) Görselleştirin: ros2 launch turtlebot3_bringup rviz2.launch.py, algılama görüntüsünü Image paneliyle ekleyin.
Beklenen sonuç: Simülasyondaki robot hedef nesneyi kutu içine alır, ona doğru gider ve durur.
Lisans notu: yolo_ros MIT lisanslı; Ultralytics YOLO modelleri ve ağırlıkları AGPL-3.0. Ticari üründe bu fark önemlidir.
Doğrulama durumu: Komutlar ve dosya adları, ROBOTIS rehberinin Jazzy bölümü ile turtlebot3_simulations, turtlebot3 ve yolo_ros depolarının güncel dallarındaki dosyalarla karşılaştırıldı (29 Ekim 2026). Bu rehber hazırlanırken ROS 2/Gazebo ortamında çalıştırılmadı. yolo_ros aktif olarak geliştiriliyor; ayar dosyası biçimi değişebilir, deponun README'sini esas alın.
Başlangıç bağlantıları: TurtleBot3 simülasyon rehberi (ROBOTIS) · turtlebot3_simulations, jazzy dalı · ros_gz (Jazzy + Harmonic) · Gazebo–ROS 2 entegrasyonu · yolo_ros · cv_bridge (vision_opencv) · ros_gz_project_template
Adımlar
turtlesim ile başlayın (ros2 run turtlesim turtlesim_node): /turtle1/cmd_vel topic'ini ve /turtle1/teleport_absolute servisini tanıyın.ilerle(hiz, sure), don(aci), konum_oku()./cmd_vel burada TwistStamped); "en yakın engel kaç metre?" sorusunu yanıtlamak için /scan lidar verisini okuyan bir araç ekleyin.Beklenen sonuç: "Bir kare çiz" veya "soldaki kutuya git" yazarsınız; robot simülasyonda bunu yapar ve her adım kayda geçer. Referans projeler: NASA JPL'in ROSA'sı (Apache 2.0) iyi bir mimari örnek. Dikkat: hazır turtlesim demosu şu an ROS 1 için, ROS 2 demosu planlanıyor. ROS-LLM yalnızca Humble'da çalışıyor; fikir için okunmalı. Doğrulama durumu: Bu proje için hazır bir komut seti verilmedi, çünkü düğümü siz yazıyorsunuz. Referans projelerin desteklediği sürümler depolarından kontrol edildi; çalıştırılmadı.
Başlangıç bağlantıları: ROSA · ROS-LLM · Gemini Robotics-ER belgeleri · Gemini Cookbook (robotik örneği ER 1.5 ile yazılmış; model adını ER 2 ile değiştirin)
rosbridge_suite veya foxglove_bridge, FastAPI, React + roslib, isteğe bağlı MQTT (mqtt_client).Adımlar
sudo apt install ros-jazzy-rosbridge-suite ros-jazzy-foxglove-bridge ros-jazzy-mqtt-client
ros2 launch rosbridge_server rosbridge_websocket_launch.xml # ws://localhost:9090
ros2 launch foxglove_bridge foxglove_bridge_launch.xml # ws://localhost:8765
ws://localhost:8765'e bağlanıp bütün topic'leri görsel olarak inceleyin.npm install roslib): haritada robot konumları, uyarı listesi (sinyal kesildi, düşük batarya), "dur" düğmesi.mqtt_client ve bir MQTT broker ekleyin.Beklenen sonuç: N robotun canlı durumunu, uyarılarını ve temel uzaktan komutlarını gösteren bir web paneli. Bölüm 9'daki iş fikrinin ilk prototipi de bu.
Lisanslar: rosbridge_suite BSD-3, roslib (npm) BSD-2, foxglove_bridge MIT, mqtt_client MIT, Open-RMF Apache 2.0. Foxglove uygulamasının kendisi kapalı kaynak, ücretsiz planı var.
Doğrulama durumu: Başlatma dosyası adları ve varsayılan portlar (9090, 8765) depoların güncel dallarından kontrol edildi. apt paket adları ROS'un standart adlandırmasına göre yazıldı; paketlerin Jazzy için yayımlandığı ROS Index'te görüldü. Komutlar bu rehber hazırlanırken çalıştırılmadı.
Başlangıç bağlantıları: rosbridge_suite · roslibjs · foxglove_bridge belgesi · foxglove_bridge (foxglove-sdk) · mqtt_client · Open-RMF
| Hafta | Hedef | Somut çıktı |
|---|---|---|
| 1 | Mac'te veya PC'de, kurulumsuz ısınma: LeRobot ile simülasyonda politika eğitimi | PushT ortamında eğitilmiş küçük bir model ve eğitim grafiği |
| 2 | ROS 2 Jazzy + Gazebo kurulumu, resmî başlangıç eğitimleri | Kendi yazdığınız iki düğümün haberleştiği bir paket |
| 3 | Proje 1 | Nesne bulup ona giden simüle robot |
| 4 | Proje 2 veya 3 (ilginize göre) + yayın | GitHub deposu, kısa video ve "neyi neden yaptım" yazısı |
1. hafta komutları (Apple Silicon dahil):
conda create -y -n lerobot python=3.12 && conda activate lerobot
pip install 'lerobot[training,diffusion,pusht]'
lerobot-train --policy.type=diffusion --dataset.repo_id=lerobot/pusht \
--env.type=pusht --policy.device=mps --policy.push_to_hub=false \
--steps=20000 --output_dir=outputs/pusht_diffusion
--policy.push_to_hub=false zorunlu: LeRobot varsayılan olarak eğitilen modeli Hugging Face'e yüklemeye çalışır ve bu parametre olmadan depo adı istediği için hata verir.--policy.device=cuda kullanın. Tam eğitim 200 bin adım; Mac'te kısa bir eğitimle başlayın veya hazır lerobot/diffusion_pusht modelini değerlendirin.training, diffusion, pusht) ve bütün parametreler doğrulandı; komut ayar kontrolünü geçti. Veri seti indirme ve gerçek eğitim bu ortamda çalıştırılmadı; Apple Silicon (MPS) üzerinde test edilmedi, MPS desteği LeRobot'un resmî belgesine dayanıyor.| Bugünkü uzmanlığınız | Robotikte yöneleceğiniz alan | Öğrenmeniz gereken somut teknolojiler | İlk adım |
|---|---|---|---|
| Python | Algılama, robot öğrenmesi, araç yazılımı | ROS 2 (rclpy), OpenCV, PyTorch, LeRobot | Proje 1 + 1. hafta |
| C++ | Kontrol, hareket planlama, performans kritik düğümler | ROS 2 (rclcpp), ros2_control, MoveIt 2, Eigen | MoveIt 2 eğitimleri |
| Frontend | Operatör arayüzleri, teleoperasyon, izleme panelleri | roslibjs, WebSocket, Three.js/URDF görselleştirme, Foxglove eklentileri | Proje 3'ün arayüzü |
| Backend | Filo yönetimi, görev dağıtma, veri hatları | FastAPI/Go, MQTT, PostgreSQL/zaman serisi DB, Open-RMF | Proje 3'ün servisi |
| AI/ML | VLA ince ayarı, taklit ve pekiştirmeli öğrenme, değerlendirme | LeRobot, openpi, GR00T, MuJoCo, Isaac Lab (NVIDIA GPU) | SmolVLA veya π0 ince ayarı |
| Gömülü | Motor sürücüleri, sensör arayüzleri, robot üstü bilgi işlem | micro-ROS, gerçek zamanlı Linux, CAN, Jetson | SO-101 kolu (Feetech servolar) ile LeRobot |
| DevOps | Robot filosu dağıtımı, OTA güncelleme, simülasyon CI'ı | Docker, Kubernetes, ROS 2 CI, Gazebo/MuJoCo ile otomatik test | Proje 1'i Docker'da otomatik test eden bir CI hattı |
Not: En hızlı geçiş, bildiğiniz işi robotik bağlamda yapmaktır. Bir frontend geliştiricisinin önce C++ kontrol yazılımı öğrenmesi gerekmez; operatör paneli de robot yazılımıdır.
Bölüm 2'deki okuma notu, Bölüm 4'ün yorum kısmı, Bölüm 5'teki öneriler, proje süreleri ve Bölüm 8–9, mekatronik mühendisi ve yazılımcı olarak benim değerlendirmemdir.
Rakamlar kurumların kendi rapor ve tahminleridir; tahminlerin gerçekleşme garantisi yoktur. Bu rehber yatırım tavsiyesi değildir; hisse veya şirket önerisi içermez. Yazılım sürümleri ve lisanslar sık değişir; kullanmadan önce bağlantılardaki güncel belgeleri kontrol edin. Son güncelleme: 29 Ekim 2026.
Sultan Murat Ebeş · JuniusTech · tekno-trend.com