Araştırmacılar, geleneksel kamera sistemlerinin aksine yüksek temporal çözünürlük ve mahremiyet koruması sağlayan olay tabanlı eylem tanıma teknolojisinde yeni bir döneme işaret eden EventCrab çerçevesini geliştirdi. Bu yenilikçi sistem, olay verilerinin benzersiz özelliklerini - zaman boyutunda yoğun, uzay boyutunda seyrek olan asenkron yapılarını - dikkate alarak iki farklı yaklaşımı ustaca birleştiriyor. Hafif çerçeve tabanlı ağlar ile ağır nokta tabanlı ağları harmanlayan EventCrab, hem doğruluk hem de verimlilik açısından denge kuruyor. Bu teknoloji, özellikle gizlilik gerektiren uygulamalarda ve yüksek hızlı hareket analizinde devrim yaratabilir.

Robotik alanı büyük bir dönüşüm yaşıyor. Tek görevli, sabit robotlardan çok fonksiyonlu, genel amaçlı ajanlar yaratma yolunda ilerleyen bu alan, Temel Modeller (Foundation Models) sayesinde devrim niteliğinde gelişmeler kaydediyor. Bu büyük ölçekli yapay sinir ağları, çok modlu anlama, uzun vadeli planlama ve farklı robot türleri arasında genelleme yapabilme kabiliyetleri sunuyor. Yeni kapsamlı inceleme, robotik alanında Temel Modellerin kullanımını beş farklı araştırma evresi üzerinden değerlendiriyor. Doğal dil işleme ve bilgisayarlı görme modellerinin robotikle entegrasyonundan başlayarak günümüzün gelişmiş sistemlerine kadar uzanan bu süreç, robotların karmaşık, değişken ortamlarda çalışabilir hale gelmesini sağlıyor. Bu teknolojik ilerleme, robotları dar uzmanlık alanlarından çıkarıp günlük yaşamda daha etkili asistanlar haline getirme potansiyeli taşıyor.

Stanford ve diğer üniversitelerden araştırmacılar, robotların daha önce hiç görmedikleri nesneleri tek bir referans görüntüyle manipüle edebilmesini sağlayan yeni bir sistem geliştirdi. SinRef-6D adlı bu teknoloji, robotların nesnelerin 3D konumunu ve yönelimini sadece bir RGB-D kamerayla çekilen tek fotoğraftan hesaplamasına olanak tanıyor. Geleneksel yöntemler CAD modelleri veya çok sayıda referans görüntü gerektirirken, yeni sistem durum uzayı modelleri kullanarak nokta bazlı hizalama yapıyor. Bu gelişme, endüstriyel robotlardan ev robotlarına kadar geniş bir yelpazede uygulanabilir ve robotik manipülasyonda önemli bir ilerleme temsil ediyor.

Araştırmacılar, Vision Transformer (ViT) modellerinde token budama işlemlerinin performans sorunlarını çözen yeni bir dikkat mekanizması geliştirdi. Token budama, önemsiz görüntü parçalarını atarak hesaplama maliyetini teorik olarak büyük ölçüde azaltsa da, pratikte mevcut değişken uzunluklu dikkat API'leri bu avantajı tam olarak yansıtamıyordu. Yeni geliştirilen 'dispatch-aware ragged attention' yöntemi, kısa sekans uzunluklarında ortaya çıkan dispatch-overhead darboğazını çözerek, budanmış ViT'lerin gerçek dünya performansını teorik potansiyellerine yaklaştırıyor. Bu çalışma, yapay zeka modellerinin hem doğruluk hem de hız açısından optimizasyonunda önemli bir adım teşkil ediyor.

Araştırmacılar, robotların tek bir demonstrasyondan öğrendikleri becerileri hiç görmedikleri farklı geometrilerdeki nesnelere aktarabilmesini sağlayan yenilikçi bir yöntem geliştirdi. Geleneksel yaklaşımların aksine, bu sistem nesneleri anlamlı parçalarına ayırarak çalışıyor. Veri-etkin üretken şekil modellerini kullanarak, robotun etkileşim noktalarını demonstration nesnesinden yeni nesneye başarıyla aktarmasını sağlıyor. Sistem, beceri ile ilgili nesne parçalarının hizalanmasını optimize eden özerk bir hedef fonksiyonu kuruyor. Bu yaklaşım hem simülasyon hem de gerçek ortamlarda test edilmiş ve çok daha geniş geometri yelpazesinde başarılı sonuçlar vermiştir.

Araştırmacılar, robotların önceden eğitilmediği görevleri bile başarıyla yerine getirebilmesini sağlayan devrim niteliğinde bir yapay zeka modeli geliştirdi. π₀.₇ adlı bu 'robotik temel model', mutfak aletlerini kullanmaktan çamaşır katlamaya kadar geniş bir yelpazedeki görevleri sadece dil komutlarıyla anlayıp gerçekleştirebiliyor. Sistemin en dikkat çekici özelliği, farklı robot türlerinde çalışabilmesi ve hiç görmediği görevlerde bile uzmanlaşmış modeller kadar başarılı performans sergilemesi. Model, eğitim sırasında çeşitli bağlamsal bilgileri kullanarak bu esnekliği kazanıyor ve robotik alanında yapay genel zekanın ilk adımlarından biri olarak kabul ediliyor.

Pankreas kanseri teşhisinde uzmanlar arasındaki görüş ayrılıkları, bilgisayarlı tomografi görüntülerinin doğası gereği belirsizlik içermesinden kaynaklanıyor. Araştırmacılar, bu durumu fırsata çeviren TwinTrack adlı yeni bir yapay zeka sistemi geliştirdi. Sistem, farklı uzman görüşlerini tek bir doğru olarak görmek yerine, bu çeşitliliği modelleyerek daha güvenilir sonuçlar üretiyor. Geleneksel yaklaşımların aksine, TwinTrack uzmanlar arasındaki anlaşmazlığı gürültü olarak değil, gerçek bir belirsizlik olarak ele alıyor ve bu belirsizliği teşhis sürecine dahil ediyor.

Araştırmacılar, el ve nesne arasındaki dinamik teması gerçek zamanlı olarak yakalayabilen DyTact adlı yeni bir sistem geliştirdi. Bu markerless (işaretçisiz) teknoloji, yapay zeka karakter animasyonları, genişletilmiş gerçeklik uygulamaları ve robotik sistemler için kritik öneme sahip. Sistem, 2D Gaussian surfeller tabanlı dinamik bir temsil kullanarak karmaşık el manipülasyonlarını modelliyor. MANO ağ yapılarıyla bağlantılı bu surfeller, optimizasyon sürecini hızlandırıyor ve kararlılık sağlıyor. Özellikle temas bölgelerindeki ağır kapatma sorunlarını çözmek için adaptif örnekleme stratejisi uygulayan sistem, yüksek frekanslı deformasyonları da işleyebiliyor. Bu gelişme, insanın nesne manipülasyonunu anlama konusunda önemli bir adım teşkil ediyor.

Araştırmacılar, yapay zeka sistemlerinin market, hastane ve depo gibi karmaşık ortamlarda daha iyi navigasyon yapabilmesi için GIST adlı yenilikçi bir sistem geliştirdi. Bu teknoloji, mobil cihazlardan elde edilen 3D nokta bulutlarını semantik bilgilerle zenginleştirilmiş navigasyon haritalarına dönüştürüyor. Sistem, yoğun görsel özelliklerin hızla eskidiği ve geleneksel bilgisayarlı görünün zorlandığı ortamlarda, mekânsal konumlandırma sorununa çözüm getiriyor. GIST, sahneyi 2D doluluk haritasına indirgeyen, topolojik düzenini çıkaran ve akıllı anahtar kare seçimiyle hafif bir semantik katman ekleyen çok modlu bir bilgi çıkarma hattı sunuyor. Bu gelişme, yardımcı robotlar ve navigasyon sistemleri için önemli bir adım teşkil ediyor.

Araştırmacılar, yapay zekanın göğüs röntgenlerinde nadir hastalıkları ve daha önce hiç görmediği bulguları tespit edebilmesi için yeni bir yarışma düzenledi. CXR-LT 2026 adlı bu yarışma, 145 bin göğüs röntgeni görüntüsü içeren büyük bir veri seti sunuyor. Gerçek dünyada bazı hastalıklar çok nadir görülürken diğerleri sık karşılaşılıyor - bu durum AI sistemler için büyük bir zorluk oluşturuyor. Yarışmada kullanılan görüntülerin tamamı radyologlar tarafından değerlendirildi ve birden fazla tıp merkezinden toplandı. Bu çalışma, AI'ın tıbbi görüntü analizi alanındaki yeteneklerini artırarak daha güvenilir teşhis sistemleri geliştirilmesine katkı sağlayacak.

Stanford ve diğer üniversitelerden araştırmacılar, kullanıcı davranışlarındaki zaman boyutunu daha etkili analiz edebilen yeni bir yapay zeka modeli geliştirdi. TAI2Vec adlı bu sistem, öneri algoritmalarının temelini oluşturan item embedding teknolojisine zamansal farkındalık kazandırıyor. Geleneksel yöntemler kullanıcı etkileşimlerini zamansız bir şekilde değerlendirirken, yeni yaklaşım kısa ve uzun vadeli tercihleri birbirinden ayırt edebiliyor. Model, dakikalar arayla yapılan etkileşimlerle aylar arayla yapılanları aynı önemde görmek yerine, her kullanıcının bireysel davranış temposuna uyarlanabiliyor. Bu gelişme, e-ticaret platformlarından sosyal medya algoritmalarına kadar geniş bir yelpazede daha kişiselleştirilmiş ve doğru öneriler sunulmasını sağlayabilir.