Çin’den Orca: Eylem Etiketi Olmadan Robotik Görevlerde Uzman Sistemlere Denk World Model
baai (Beijing Academy of Artificial Intelligence) Wujie·RoboBrain Orca Team, world-models alanında yeni bir paradigma duyurdu: Next-State-Prediction. orca-world-model, temel modelinde hiç eylem etiketi görmeden beş manipülasyon görevinde Physical Intelligence’ın π0.5 sistemine denk performans gösterdiğini iddia ediyor — paper henüz peer review aşamasında.
Ana Gelişme
Geleneksel robotik modeller next-token, next-frame veya next-action tahmin eder. Orca bunun yerine soyut dünya durumlarını (abstract world states) modelleyen bir world foundation model.
Mimari bileşenler:
- Frozen qwen3.5 core: Değiştirilmemiş temel model
- Unconscious learning: 125.000 saat video, otomatik öğrenme
- Conscious learning: Eylem açıklamalarıyla bilinçli öğrenme
- Swappable output heads: Göreve özel çıkış katmanları
- Action Expert: Görev başına yalnızca 200 gerçek dünya kaydıyla eğitilen ayrı kontrol modülü
Pre-training: 125.000 saat video, 160 milyon event annotation. Base model pre-training sırasında eylem etiketi görmedi.
Neden Önemli?
Etiketli eylem verisi robot eğitiminin en pahalı darboğazı. Orca, 200 kayıt/görev ile uzman sistemlere yaklaşmak, physical-ai ve robotics alanında veri verimliliğini kökten değiştirebilir.
chinese-ai laboratuvarları embodied AI’da hızla ilerliyor. BAAI’nin bu hamlesi, V-JEPA 2.1 ve diğer world model yaklaşımlarıyla rekabet ediyor.
Paper’da error recovery avantajı da gösterildi: model beklenmedik durumlardan daha iyi toparlanabiliyor.
Teknik Detaylar
Paradigma karşılaştırması:
| Yaklaşım | Tahmin Hedefi | Veri İhtiyacı |
|---|---|---|
| Next-token | Sonraki token | Büyük metin/kod |
| Next-action | Sonraki eylem | Etiketli robot verisi |
| Next-State-Prediction | Soyut dünya durumu | Video + az etiket |
π0.5 karşılaştırması paper iddiası — bağımsız doğrulama bekleniyor. sim-to-real transferinde world model yaklaşımı daha genelleştirilebilir temsil sunabilir.
Bağlam
vision-language-models ve reinforcement-learning kesişiminde world foundation model’ler yükseliyor. Türk AI araştırmacıları için Orca, etiket verimliliği ve genelleme kapasitesi açısından takip edilmeli.
Proje sayfası: orca-wm.github.io | arXiv: 2606.30534
Sonraki Adımlar
Peer review ve bağımsız benchmark doğrulaması kritik. Açık kaynak release durumu izlenecek. 200 kayıt/görev iddiası doğrulanırsa, robot eğitim maliyetleri önemli ölçüde düşebilir.