NASA ve Google Public Sector, Ay ve Mars görevlerinde astronotlara destek vermesi amaçlanan yapay zekâ destekli bir robotik sistem üzerinde çalışıyor. Robotun, uzay aracında kargo ve ekipman taşıma gibi rutin işleri yapmasının yanı sıra sağlık sorunlarında mürettebata pratik yardım sağlaması hedefleniyor. Örneğin tıbbi malzemeleri bulup sağlık görevlisine ulaştırabilecek, muayene ekipmanını hazırlayabilecek ve astronotların günlük iş yükünü azaltabilecek.

Çalışmanın önemini artıran unsurlardan biri, derin uzayda Dünya ile iletişimin gecikmeli olması. Mars görevlerinde bir mesajın Dünya’ya ulaşıp yanıtın geri gelmesi, görev koşullarına bağlı olarak toplamda 44 dakikaya kadar sürebiliyor. Bu nedenle astronotların acil bir sağlık sorununda Dünya’daki uzmanlardan anında yönlendirme alması mümkün olmayabilir. Geliştirilen sistem, insan sağlık görevlilerinin yerini almak için değil, mürettebatın ve görev sağlık sorumlusunun elindeki araçları desteklemek için tasarlanıyor.

Derin uzayda sağlık desteği ihtiyacı

NASA’nın Artemis programı, Ay’da daha kalıcı bir insan varlığı kurulmasına yönelik çalışmaların yanı sıra gelecekteki Mars görevlerine hazırlık açısından da önem taşıyor. Ay ve Mars yolculuklarında astronotlar, Dünya’ya yakın yörüngedeki görevlerden farklı olarak uzun süre sınırlı kaynaklarla ve gecikmeli haberleşme koşullarında çalışmak zorunda kalabilir. Böyle bir ortamda tıbbi malzemelerin doğru zamanda bulunması, muayene ekipmanının hazır edilmesi ve belirtilerin sistematik biçimde değerlendirilmesi kritik hale geliyor.

Uzay aracındaki sağlık sorunu her zaman büyük bir acil durum olmayabilir. Kas ağrısı, yaralanma, enfeksiyon belirtisi veya böbrek taşı şüphesi gibi durumlarda bile mürettebatın uygun ekipmanı bulması ve gerekli kontrolleri yapması gerekir. Yerçekiminin düşük olduğu ya da mikro yerçekimi koşullarının bulunduğu ortamlar, bazı işlemlerin Dünya’dakinden farklı yapılmasını gerektirebilir. Robotik bir yardımcı, bu tür görevlerde ekipmanı taşıyarak ve hazırlayarak astronotların zamanını daha verimli kullanmasına katkı sağlayabilir.

CMO-DA’dan fiziksel robot desteğine

Robotik çalışma, NASA ve Google’ın 2025 yılında geliştirdiği Crew Medical Officer Digital Assistant (CMO-DA) adlı yapay zekâ destekli tıbbi karar destek sisteminin ardından gelen araştırma çizgisinin bir parçası. CMO-DA, astronotların sağlık belirtilerini değerlendirmesine ve tıbbi karar sürecini düzenlemesine yardımcı olmak üzere geliştirildi. Uzay tıbbı verileriyle eğitilen sistem, doğal dil işleme ve makine öğrenmesi yöntemleriyle belirtiler hakkında bilgi sunabiliyor ve olası değerlendirme adımlarını destekleyebiliyor.

CMO-DA’nın ilk değerlendirmelerinde farklı tıbbi senaryolar kullanıldı. Sistemin yanıtları, sağlık çalışanlarının klinik becerilerini ölçmek için kullanılan Objektif Yapılandırılmış Klinik Sınav (OSCE) yaklaşımından yararlanılarak incelendi. Bu tür değerlendirmeler, yapay zekânın yalnızca akıcı yanıt verip vermediğini değil, verilen bilgilerin klinik senaryolarda ne ölçüde işe yaradığını da anlamaya yardımcı oluyor. Doktorlar ve araştırmacılar, sistemin performansını değerlendirmeyi ve geliştirmeyi sürdürüyor.

Yeni aşamada, dijital bilgi desteğinin fiziksel görevler yapabilen bir robotla bir araya getirilmesi hedefleniyor. Böylece sistem, yalnızca bir soruya yanıt vermekle kalmayıp gerekli ekipmanı bulma veya taşıma gibi işlerde de astronotlara yardımcı olabilecek. Bununla birlikte mevcut robotik çalışmalar, CMO-DA’nın bütün tıbbi yeteneklerinin fiziksel robota aktarıldığı ya da robotun kendi başına teşhis ve tedavi kararı verdiği anlamına gelmiyor.

Sağlık görevlerinin yanında lojistik işleri

Robotun tasarımında sağlık desteği ile rutin lojistik görevlerin birlikte ele alınması planlanıyor. Uzay aracında kargoların taşınması, araç gereçlerin düzenlenmesi, ekipmanların başka bir noktaya götürülmesi ve bölmelerin emniyete alınması gibi işler mürettebatın zamanını alabiliyor. Bu görevlerin bir bölümünün robot tarafından üstlenilmesi, astronotların bilimsel çalışmalara, araç bakımına ve sağlıkla ilgili daha önemli işlere odaklanmasına yardımcı olabilir.

Örnek senaryolardan birinde, şiddetli sırt ağrısı yaşayan bir astronotta böbrek taşı ihtimalinin değerlendirilmesi gerekiyor. Robot, ultrason cihazını veya ilgili tıbbi çantayı bulunduğu yerden alıp muayene alanına taşıyabilir ve gerekli malzemelerin hazırlanmasına yardımcı olabilir. Böylece mürettebatın sağlık görevlisi, ekipmanı aramak yerine hastanın durumunu değerlendirmeye ve görüntüleri incelemeye daha fazla zaman ayırabilir.

İlerleyen geliştirme aşamalarında robotun temel yaşamsal belirtilerin ölçülmesine ya da basit ultrason incelemelerinde fiziksel destek sağlamasına yönelik yetenekler araştırılabilir. Ancak bunlar planlanan veya değerlendirilen olası kullanım alanlarıdır; robotun şu anda uzayda tıbbi muayene yaptığına ya da bu işlemleri güvenilir biçimde tamamladığının gösterildiğine dair bilgi bulunmuyor. Tıbbi değerlendirme ve tedavi kararlarının insan sağlık görevlisinin sorumluluğunda kalması öngörülüyor.

Dar alanlarda güvenli hareket ve nesne algılama

Bir uzay aracının içi, robotun serbestçe hareket edebileceği geniş bir depo ortamından farklıdır. Koridorlar ve bölmeler dar olabilir; ekipmanlar, kablolar ve mürettebatın hareketleri robotun çevresini sürekli değiştirebilir. Bu nedenle robotun yalnızca hedef nesneyi tanıması değil, bulunduğu ortamı algılaması, hareketini planlaması ve insanlarla güvenli biçimde çalışması da gerekir.

NASA’nın Jet İtki Laboratuvarı (JPL), başlangıçta yörüngedeki nesneleri takip etmek için geliştirilen durumsal farkındalık teknolojilerini bu çalışmaya uyarlıyor. Kameralardan alınan görüntüler kullanılarak çevredeki nesnelerin üç boyutlu konumlarının belirlenmesi amaçlanıyor. Böyle bir haritalama ve algılama kabiliyeti, robotun bir nesneye ulaşırken çevresindeki engelleri dikkate almasına ve dar alanlarda daha kontrollü hareket etmesine destek olabilir.

Robotun görsel algılamasında kameranın robot kolundan ayrı bir konumda yer aldığı eye-to-hand düzeni kullanıldı. Bu yaklaşımda kamera, robotun çalışma alanını dışarıdan gören bir noktada bulunur. Böylece sistem, kolun hareketlerini ve hedef nesnenin konumunu daha geniş bir açıdan değerlendirebilir. Ancak uzay aracındaki ışık koşulları, nesnelerin sabitlenme biçimi ve mikro yerçekiminin hareketler üzerindeki etkisi gibi değişkenlerin ayrıca incelenmesi gerekir.

Laboratuvar testleri ve yüzde 85’lik sonuç

Robotun hareketlerini gerçek donanım üzerinde denemeden önce değerlendirmek için Google DeepMind’ın MuJoCo adlı fizik simülatöründen yararlanıldı. Simülasyon, robotun hareket ve nesne kavrama davranışlarının kontrollü bir sanal ortamda incelenmesini sağlar. Bu tür çalışmalar, olası hareketleri önceden denemeye ve donanım üzerinde yapılacak testleri planlamaya yardımcı olur; ancak simülasyondaki başarı tek başına gerçek görev koşullarındaki güvenilirliği kanıtlamaz.

Fiziksel testler NASA’nın Johnson Uzay Merkezi’ndeki iMETRO tesisinde gerçekleştirildi. Robotun temel görevlerinden biri, bir tıbbi çantayı bulmak, kavramak ve farklı bir konuma taşımaktı. Denemelerde Physical Intelligence tarafından geliştirilen açık kaynaklı Pi0 yapay zekâ modeli kullanıldı. İlk laboratuvar testlerinde sistem, nesneyi bulma ve taşıma görevlerinde yüzde 85 başlangıç başarı oranına ulaştı.

Bu oran, belirli bir laboratuvar senaryosunda yapılan nesne bulma ve taşıma denemelerinin sonucunu ifade ediyor. Yüzde 85’lik başarı, robotun genel olarak yüzde 85 oranında tıbbi müdahaleyi doğru yaptığı veya uzay görevine hazır olduğu anlamına gelmiyor. Testlerin kapsamı, gerçek bir uçuşta karşılaşılabilecek çok çeşitli sağlık durumlarını ve çevresel koşulları kapsamıyor. Robotun farklı nesneler, değişken konumlar, insan hareketleri ve uzay aracına özgü koşullar altında nasıl performans göstereceğinin daha fazla araştırılması gerekiyor.

Yapay zekâ modeli ve uç bilişim

Robotik sistemde kullanılan Pi0 modeli 4 milyar parametreye sahip. Model, görsel algılama, doğal dil anlama ve fiziksel hareket üretme kabiliyetlerini bir araya getiren Vision-Language-Action (VLA) mimarisiyle çalışıyor. Bu yaklaşım, görüntü ve metin gibi girdileri değerlendirip robotun gerçekleştirebileceği hareketlere dönüştürmeyi amaçlıyor. Örneğin sistem, verilen bir komutla hangi nesnenin kastedildiğini belirleyip ona ulaşmak için gerekli hareketleri planlayabilir.

Google, model üzerinde Google Cloud’un G4 işlem örneklerini kullanarak yaklaşık 2,5 saatlik ince ayar çalışması gerçekleştirdi. Bulut altyapısı, model geliştirme ve eğitme süreçlerinde yüksek işlem gücü sağlayabiliyor. Ancak uzay aracında Dünya’daki veri merkezlerine sürekli ve hızlı bağlantı bulunacağı varsayılamaz. Haberleşme gecikmesi ve bağlantı kesintileri, görev sırasında bulut tabanlı sistemlere bağımlılığı sınırlar.

Bu nedenle yapay zekâ modelinin görev aracındaki yerel donanımda çalışabilmesi, projenin önemli konularından biri. Google, eğitilen modellerin düşük güç tüketimli ve kompakt uç bilişim cihazlarında çalıştırılabildiğini göstermeye yönelik denemeler yaptı. Son iki yılda yaklaşık 15 farklı uç bilişim cihazı değerlendirildi. Bu çalışmalar, Mars gibi uzak görevlerde kullanılabilecek hafif, enerji tasarruflu ve bağlantı kesintilerine dayanıklı donanım seçeneklerini belirlemeye yardımcı olmayı amaçlıyor.

Uzay araçlarında işlem gücü, elektrik tüketimi, ısı yönetimi ve donanımın güvenilirliği birbiriyle bağlantılı gereksinimlerdir. Daha güçlü bir sistem her zaman en uygun seçenek olmayabilir; çünkü ağırlık ve enerji kullanımı görev planlamasını etkiler. Bu nedenle robotun yapay zekâsının, ihtiyaç duyulan işleri yeterli doğrulukta yaparken sınırlı kaynaklarla çalışabilmesi hedefleniyor. Uç bilişim testleri bu hedefe yönelik araştırmaların bir parçası olsa da belirli bir cihazın uçuş için seçildiği veya onaylandığı açıklanmış değil.

İnsan gözetimi ve projenin mevcut aşaması

Mevcut geliştirme çalışmalarında robotun İngilizce metin komutlarıyla fiziksel görevleri yerine getirmesi üzerinde duruluyor. Gelecekte astronotların basit sesli komutlarla sistemi yönlendirebilmesi değerlendiriliyor. Robotun görevleri, mürettebatın doğrudan kontrolü ve gözetimi altında yapması planlanıyor. Bu yaklaşım, yanlış nesnenin alınması veya beklenmeyen bir hareket gibi risklerin insan tarafından fark edilmesine ve gerektiğinde işlemin durdurulmasına imkân tanıyabilir.

Özellikle sağlık alanında yapay zekâ çıktılarının dikkatle değerlendirilmesi gerekiyor. Robotun bir ekipmanı taşıması veya hazırlaması, klinik karar verdiği anlamına gelmez. Belirtilerin yorumlanması, olası teşhislerin değerlendirilmesi ve tedavi kararlarının alınması, görevdeki sağlık sorumlusunun kontrolünde kalacak şekilde ele alınıyor. Yapay zekânın rolü, bilgiye erişimi ve fiziksel iş akışını desteklemek; insan uzmanlığının yerine geçmek değil.

Proje şu anda kavram kanıtlama ve laboratuvar geliştirme aşamasında. NASA, robot için kesin bir uzay uçuşu takvimi açıklamadı; uçuşa hazır, tamamen entegre bir sistemin tamamlandığı da doğrulanmış değil. Uzay aracına entegrasyon, güvenlik değerlendirmeleri, farklı görev koşullarında test ve yapay zekâ sisteminin güvenilirliğinin doğrulanması gibi aşamaların ileride ele alınması gerekecek.

Dolayısıyla bu çalışma, Ay veya Mars görevlerinde kullanılacak bir robotun şimdiden hazır olduğu şeklinde değil, gelecekteki derin uzay görevlerinde insanlara fiziksel ve dijital destek sağlayabilecek teknolojilerin araştırılması olarak değerlendirilmelidir. NASA ve Google’ın çalışmaları, robotik hareket kabiliyetini yapay zekâ destekli bilgi işleme ve yerel hesaplama olanaklarıyla birleştirmeyi hedefliyor. Başarının ölçütü yalnızca bir nesneyi taşıyabilmek değil; robotun bunu farklı koşullarda güvenli, tutarlı ve mürettebatın denetimine uygun biçimde yapabilmesi olacak.