Artırılmış Gerçekliğin 15'ten Fazla Kullanım Alanı ve Yapay Zeka Uygulamaları

Artırılmış Gerçeklik (AR), kullanıcının sanal bağlamı fiziksel ortama etkileşimli, çok duyulu bir şekilde entegre etmesini sağlayan bir dijital medya platformudur.

Yapay zekanın uygulanması, derin sinir ağlarının geleneksel bilgisayarlı görü yaklaşımlarının yerini almasına ve nesne algılama, metin analizi ve sahne etiketleme gibi yeni özellikler eklemesine olanak tanıyarak AR deneyimini geliştirir. AR'de yapay zekayı, uygulamalarını, örneklerini ve satıcılarını inceliyoruz.

Yapay zeka AR'yi nasıl dönüştürür?

Tarihsel olarak AR yazılımları, Eş Zamanlı Konumlandırma ve Haritalama (SLAM) adı verilen geleneksel bilgisayarlı görü tekniklerini kullanıyordu. SLAM algoritmaları, ortamı haritalamak ve izlemek için kamera kareleri arasındaki görsel özellikleri karşılaştırır.

Ancak modern AR uygulamaları, daha gelişmiş işlevsellik sağlamak için derin öğrenmeye dayanır. AR geliştiricileri, çevredeki fiziksel ortamla gelişmiş etkileşim gibi AR özellikleri sunmak için yapay zeka algoritmalarından yararlanabilir. Makine öğrenimi, GenAI ve derin öğrenme gibi yapay zeka teknolojileri AR ortamlarına şu nedenlerle çok uygundur:

• Kameralar her zaman açık olduğundan yapay zeka algoritmasının üzerinde eğitilebileceği daha fazla veri toplama fırsatı vardır.
• AR ortamları birden fazla sensöre (ör. cihazın jiroskopları, sensörleri, ivmeölçerleri ve GPS'i) dayandığından yapay zeka algoritmasının girdisi ayrıntı açısından zengindir. Bu, tek bir sensöre dayanan sistemlerden daha iyi güvenilirlik sağlar.

Derin öğrenmeye paralel olarak AR sistemleri, tüm ortamları anlamak için anlamsal bölümleme, derinlik tahmini ve bağlam modellemeyi birleştiren uzamsal zekayı giderek daha fazla kullanmaktadır. Bu, AR içeriğinin fiziksel olarak gerçekçi davranmasını (ör. kapatma, sabitlenmiş gölgeler ve ışık uyarlaması) sağlar ve sahne kategorisine (ofis ve dış mekan) veya çıkarılan kullanıcı niyetine dayalı bağlamsal öneriler gibi gelişmiş özellikleri mümkün kılar.

AR'de 8 yapay zeka uygulaması

1. Nesne etiketleme

Nesne etiketleme, makine öğrenimi sınıflandırma modellerini kullanır. Bir kamera karesi modelden geçirildiğinde görüntüyü kullanıcının sınıflandırma kitaplığındaki önceden tanımlanmış bir etiketle eşleştirir ve etiket AR ortamındaki fiziksel nesnenin üzerine bindirilir. Örneğin, Volkswagen Mobile Augmented Reality Technical Assistance (MARTA) araç parçalarını etiketler, mevcut sorunlar hakkında bilgi ve bunların nasıl düzeltileceğine ilişkin talimatlar sağlar.

2. Nesne algılama ve tanıma

Nesne algılama ve tanıma, bir sahnedeki nesnelerin konumunu ve kapsamını tahmin etmek için evrişimli sinir ağı (CNN) algoritmalarını kullanır. Nesne algılandıktan sonra AR yazılımı, fiziksel nesnenin üzerine bindirmek ve ikisi arasındaki etkileşimi sağlamak için dijital nesneler oluşturabilir.

Örneğin, IKEA Place ARKit uygulaması çevredeki ortamı tarar, dikey ve yatay düzlemleri ölçer, derinliği tahmin eder ve ardından belirli alana uyan ürünleri önerir.

Daha fazlası için ücretsiz bir şekilde görüntü tanıma araçları karşılaştırmamızı okuyabilirsiniz.

3. Metin tanıma ve çeviri

Metin tanıma ve çeviri, yapay zeka Optik Karakter Tanıma (OCR) tekniklerini DeepL gibi metinden metne çeviri motorlarıyla birleştirir. Bir görsel izleyici sözcüğü takip eder ve çevirinin AR ortamının üzerine bindirilmesini sağlar. Google Translate bu işlevselliği sunar.

4. Otomatik Konuşma Tanıma

Otomatik Konuşma Tanıma (ASR), sinir ağı görsel-işitsel konuşma tanımayı (metni çıkarmak için görüntü işlemeye dayanan bir algoritma) kullanır. Belirli sözcükler, kitaplıkta sözcük açıklamasına uyacak şekilde etiketlenmiş bir görüntüyü tetikler ve görüntü AR alanına yansıtılır.

Örnek:

Bir örnek, Panda sticker uygulamasıdır.

ASR'yi sensör tabanlı el hareketi izlemeyle birleştiren bir başka örnek akıllı gözlük teknolojisidir. Lens içi ekranlara sahip akıllı gözlükler; mesajlar, medya kontrolleri ve canlı konuşma altyazıları gibi görsel verileri doğrudan kullanıcının görüş hattına yansıtır.

Daha fazlası için lütfen en iyi konuşma tanıma kullanım alanları koleksiyonumuzu okuyun.

5. Jest ve doğal etkileşim

Yapay zeka destekli jest izleme ve çok modlu etkileşim, AR sistemlerinin el, vücut ve parmak hareketlerini gerçek zamanlı olarak tanımasını sağlar. Sesli yapay zeka ile birleştiğinde bu sistemler, kullanıcıların dokunmadan sanal nesnelerle etkileşime girmesine olanak tanıyarak daha sezgisel ve eller ücretsiz AR deneyimleri yaratır.

Örnek:
Endüstriyel bakımda yapay zeka AR sistemleri, makinelerin 3D hologramlarını yönetmek için el sinyallerini yorumlayabilirken sesli komutlar bağlamsal talimatları veya uyarıları tetikler. Erişilebilirlik odaklı AR uygulamaları, hareket kısıtlılığı olan kullanıcılar için arayüzlerde gezinmek amacıyla jestleri ve sesi kullanır.

Kullanım alanları:

• Eller ücretsiz ekipman kontrolü için endüstriyel AR uygulamaları
• Jest tabanlı gezinme ve komutlar sağlayan erişilebilirlik uygulamaları
• Jestlerin sanal nesneleri kontrol ettiği oyun ve eğlence
• Doğal etkileşimli AR eğitim ve simülasyon ortamları

6. Ortam Haritalama ve Sahne Anlama

Basit nesne algılamanın ötesinde yapay zeka, AR sistemlerinin tüm ortamları (ör. mutfak, ofis, sokak) sınıflandırmasına ve bindirmeleri buna göre uyarlamasına olanak tanıyan anlamsal sahne anlamayı mümkün kılar. SceneNet veya IBM'in Visual Recognition'ı gibi derin öğrenme modelleri, AR deneyimini uyarlamak için uzamsal bağlamı, aydınlatmayı ve yüzey türlerini analiz edebilir.

Örnek:
Snapdragon Spaces, duvarları, yüzeyleri ve oda türlerini gerçek zamanlı olarak algılamak için yapay zeka kullanır; bu da sanal mobilyaların veya oyun öğelerinin daha gerçekçi yerleştirilmesini sağlar.

Kullanım alanları:

• Oda türüne göre mobilya öneren iç tasarım uygulamaları
• Yönlendirmeyi iç/dış mekan ortamlarına uyarlayan AR yol bulma
• Mağaza bölümlerine göre promosyon içeriğini değiştiren akıllı perakende.

7. AR'de Dinamik İçerik Oluşturma için Üretken Yapay Zeka

GenAI modelleri, AR ortamlarındaki prompt'lara veya kullanıcı etkileşimlerine dayalı olarak 3D varlıkları, sesleri ve hatta tüm sahneleri dinamik olarak üretebilir. Bu, önceden yüklenmiş kitaplıklara olan ihtiyacı ortadan kaldırır ve kullanıcıların önceden yüklenmiş varlıklar olmadan kişiselleştirilmiş ortamlar oluşturmasını sağlar.

Örnek:
Bir pazarlama uygulaması, kullanıcıların ideal oturma odalarını tanımlamasına izin verebilir ve GenAI AR'de mobilya ve yerleşim düzeni oluşturur.

İlgili modeller/araçlar:

• Luma AI (metinden 3D'ye)
• Video bindirmeleri için RunwayML
• Pika Labs veya Spline, gerçek zamanlı 3D modelleme için

8. Endüstriyel denetim için Anomaly tespiti

Yapay zeka destekli AR, üretim veya saha çalışmasında gerçek zamanlı anomali tespitine yardımcı olabilir. "Normal" görünümün nasıl olduğu (ör. boru bütünlüğü, makine yüzeyleri) üzerine eğitilmiş bilgisayarlı görü modelleri, sapmaları algılayabilir ve AR kullanarak bunları kullanıcının görünümünde vurgulayabilir.

Sensors dergisindeki 2020 tarihli bir çalışma, kontrol kabini kablolamasında AR gözlük rehberliğini basılı dokümantasyonla karşılaştırmış ve süreç süresinde %45 azalma tespit etmiş, 20 kabloluk bir montajda 6.5 ila 7 dakika tasarruf sağlamıştır.²

Anomali tespitine ilişkin gerçek hayattan örnek:
Porsche, uzaktan bakım sırasında otomatik parçalarındaki aşınma, korozyon veya hizasızlıkları vurgulamak için yapay zeka denetim araçlarıyla AR kullanır.

Kullanım alanları:

• Fabrikalarda bakım ve güvenlik denetimleri
• Kamu hizmeti altyapısı (ör. elektrik hatları, boru hatları)
• Uçak veya araç onarım değerlendirmeleri.

Çeşitli sektörlerde daha fazla yapay zeka/AR uygulaması

Snapchat kullanıcılarının 2026'nın ilk çeyreğinde günde ortalama 9 milyardan fazla AR Lenses oynattığı bildirildi; günlük kullanıcıların %75'i her gün AR ile etkileşime geçiyor; bu da AR'nin tüketici eğlencesindeki ölçeğini gösteriyor.³

Yapay zeka destekli AR Yazılım Satıcıları

Statista'ya göre artırılmış gerçeklik (AR), sanal gerçeklik (VR) ve karma gerçeklik (MR) küresel pazarının 2026 yılına kadar $100B seviyesine ulaşması tahmin ediliyor.⁹ Apple ve Google gibi şirketler, müşterilerin AR deneyimini geliştirmek için yapay zeka destekli AR yazılımı geliştirme pazarında yer alıyor.

Apple ARKit

ARKit, Apple'ın iOS iPhone'lar ve iPad'ler için artırılmış gerçeklik (AR) geliştirme platformudur. ARKit; nesne etiketleme, insan kapatma, hareket yakalama ve çoklu yüz izleme sağlar. ARKit şu alanlarda kullanılmıştır:

• Eğitim: Labster gibi bilim, fizik veya kimya laboratuvarlarındaki pratik deneyleri modelleme
• İnşaat ve mimarlık: IKEA Place gibi mekansal boyutları ölçme ve ürün veya çözümler önerme
• Eğlence: Pokemon GO gibi.

Google ARCore

ARCore, dijital içeriği hareket yakalama ile nesne algılama ve tanıma yoluyla fiziksel ortama entegre eden Google'ın AR platformudur. ARCore şu alanlarda kullanılmıştır:

• Gayrimenkul: boş alanları görselleştirme, dekore etme ve tasarlama. Sotheby’s Curate uygulaması gibi
• Yaşam tarzı ve bakım: rehberlik ve talimat sağlayan, ölçüm yapan ve alana potansiyel çözümler yansıtan profesyonellerle kullanıcıları buluşturma. Örneğin Streem uygulaması.
• Eğlence: TendAR sanal evcil hayvan oyunu uygulaması gibi.

Diğerleri

Diğer yapay zeka/AR yazılım satıcıları şunlardır:

• Amazon Sumerian
• Microsoft Mesh
• Unity
• Vuforia Engine
• Zap Works

Yapay zeka AR giyilebilir cihazları ve XR platformları

SDK'ların ötesinde donanım platformları artık derin öğrenme modellerini doğrudan AR giyilebilir cihazlara entegre ediyor. Örneğin, Apple Vision Pro gibi cihazlar; el, göz ve ses girdisiyle bağlamsal zekayı ve AR etkileşimini geliştiren uzamsal bilişim sağlar.

Meta'nın Ray‑Ban Display akıllı gözlükleri ve diğer hafif yapay zeka-AR giyilebilir cihazları; bağlamsal bindirmeleri, canlı çeviriyi ve etkileşimli görsel rehberliği günlük kullanım alanlarına taşıyor.

Kıyaslamalarımızı ve veri odaklı içgörülerimizi kaçırmayın. Düğme Google'ı açar; AIMultiple'ı seçmeniz, Google arama sonuçlarında AIMultiple'ı daha sık görmek istediğinizi onaylar.

Tercih edilen kaynak olarak ekle

Bu araştırmayı kaynak gösterin

Yayınlayacağınız yere uygun formatı seçin. Bağlantılı sürümü CMS'inize yapıştırmak, geri bağlantıyı korur.

@misc{dilmegani2026,
  author = {Dilmegani, Cem and Şimşek, Hazal},
  title  = {{Artırılmış Gerçekliğin 15'ten Fazla Kullanım Alanı ve Yapay Zeka Uygulamaları}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/ar-ai}},
  note   = {AIMultiple. Erişim tarihi: 23 Temmuz 2026}
}

Değişiklik günlüğü

3 güncelleme

1. 202619 Mar

   Yeni bir girişle "AR'daki AI uygulamaları" bölümü genişletildi.

2. 202517 Haz

   Girişten bir cümle kaldırıldı.

3. 20245 Kas

   Güncellenmiş artırılmış gerçeklik için küresel pazar büyüklüğü ve tahmini, "Yapay Zeka Destekli AR Yazılım Satıcıları" bölümünde.

Referans Linkleri

1.

TranslatAR: A mobile augmented reality translator

2.

Assessment of Augmented Reality in Manual Wiring Production Process with Use of Mobile AR Glasses - PMC

3.

Snapchat Statistics 2026: Users, Revenue and Ad Data

4.

https://mattchoward.com/wp-content/uploads/2023/08/howard_davis_vr_2023.pdf

5.

A Meta-analysis of augmented reality programs for education and training | Virtual Reality | Springer Nature Link

Springer London

6.

https://www.businesswire.com/news/home/20240807236694/en/Augmented-Reality-in-Construction-Thematic-Research-Report-2024-37-of-Construction-Companies-Intend-to-Invest-in-AR-Within-the-Next-Two-Years—Wearable-Start-ups-will-Continue-to-Emerge—ResearchAndMarkets.com

7.

Frontiers | Adoption of virtual and augmented reality in the architecture, engineering, construction, and facilities management (AEC-FM): mixed method analysis of trends, gaps, and solutions

Frontiers

8.

Exploring the Utility of AR in Marketers' E-Commerce Plan | Snapchat for Business

9.

XR market size worldwide 2023-2028| Statista

Statista

Cem Dilmegani

Baş Analist

Takip Et

Cem, 2017'den beri AIMultiple bünyesinde baş analisttir. Cem'in AIMultiple'daki çalışmaları; Business Insider, Forbes, Morning Brew ve Washington Post gibi önde gelen küresel yayınlar, Deloitte ve HPE gibi küresel firmalar, Dünya Ekonomik Forumu gibi STK'lar ve Avrupa Komisyonu gibi uluslarüstü kuruluşlar tarafından alıntılanmıştır. [1], [2], [3], [4], [5] Kariyeri boyunca Cem; teknoloji danışmanı, teknoloji alıcısı ve teknoloji girişimcisi olarak görev yaptı. On yılı aşkın süre boyunca McKinsey & Company ve Altman Solon'da işletmelere teknoloji kararlarında danışmanlık yaptı. Ayrıca dijitalleşme üzerine bir McKinsey raporu yayımladı. CEO'ya rapor verirken bir telekom şirketinin teknoloji stratejisini ve satın alma süreçlerini yönetti. Ayrıca 2 yıl içinde 0'dan 7 haneli yıllık yinelenen gelire ve 9 haneli değerlemeye ulaşan derin teknoloji şirketi Hypatos'un ticari büyümesini yönetti. Cem'in Hypatos'taki çalışmaları TechCrunch ve Business Insider gibi önde gelen teknoloji yayınları tarafından ele alındı. Cem, uluslararası teknoloji konferanslarında düzenli olarak konuşma yapmaktadır. Boğaziçi Üniversitesi'nden bilgisayar mühendisi olarak mezun oldu ve Columbia Business School'dan MBA derecesine sahiptir.

Tam Profili Görüntüle

Araştıran

Hazal Şimşek

Endüstri Analisti

Takip Et

Hazal, AIMultiple'da süreç zekası (süreç madenciliği dahil) ve kurumsal otomasyon (BT otomasyonu ve düşük kodlu/kodsuz otomasyon dahil) konularına odaklanan bir endüstri analistidir.

Tam Profili Görüntüle

Yorumlar 2

Düşüncelerinizi Paylaşın

E-posta adresiniz yayınlanmayacak. Tüm alanlar gereklidir. Yorumlar orijinal dilinde bırakılır.

Ad

E-posta Adresi

Yorum

0/450

Yorumu Gönder

Graham

Aug 28, 2021 at 11:08

No mention of Microsoft (e.g. HoloLens, Mesh, Remote Assist, …) even in the “other vendors” list? Strange…

Yanıtla

Cem Dilmegani

Sep 19, 2021 at 13:50

Thank you for the comment. You are right, added Microsoft's platform to the list

Yanıtla

Heejin Jo

Jul 19, 2021 at 12:01

Hello! I'm interested in AR glasses content composed by AI Can I send my architecture? I want to know whether this is possible to achieve or not. I need help to improve my idea and make it come true. I'll wait your answer. Thank you.

Yanıtla

Cem Dilmegani

Jul 24, 2021 at 06:52

Hi Heejin, thank you for your comment. I would advise you to reach out to vendors in this space. They would be the ones who can examine your idea in detail and identify how it can be implemented.

Yanıtla