15+ Artırılmış Gerçeklik Kullanım Alanları ve Yapay Zeka Uygulamaları

Artırılmış Gerçeklik (AR), kullanıcının fiziksel ortama sanal bağlamı etkileşimli, çok-duyulu bir şekilde entegre etmesine olanak tanıyan 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'deki yapay zekayı, uygulamalarını, örneklerini ve tedarikçilerini inceliyoruz.

Yapay zeka AR'yi nasıl dönüştürür?

Tarihsel olarak, AR yazılımı Eşzamanlı 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 çok uygundur çünkü:

• Kameralar sürekli açık olduğundan, yapay zeka algoritmasının eğitilmesi için daha fazla veri toplama fırsatı vardır.
• AR ortamları birden fazla sensöre (örn. cihazın jiroskopları, sensörler, ivmeölçerler ve GPS) dayandığından, yapay zeka algoritmasına giriş ayrıntı açısından zengindir. Bu, tek bir sensöre dayanan sistemlere göre daha iyi güvenilirlik sağlar.

Derin öğrenmeye paralel olarak, AR sistemleri tüm ortamları anlamak için anlamsal bölümleme, derinlik tahmini ve bağlam modellemeyi birleştiren mekansal zekayı giderek daha fazla kullanmaktadır. Bu, AR içeriğinin fiziksel olarak gerçekçi davranmasını (örneğin, oklüzyon, sabitlenmiş gölgeler ve aydınlatma uyarlaması) sağlar ve sahne kategorisine (ofis vs. açık hava) veya çıkarılan kullanıcı niyetine dayalı bağlamsal öneriler gibi gelişmiş özellikleri etkinleştirir.

AR'de 8 Yapay Zeka Uygulaması

1. Nesne etiketleme

Nesne etiketleme, makine öğrenimi sınıflandırma modellerini kullanır. Bir kamera karesi modelden geçirildiğinde, görüntüyü kullanıcının sınıflandırma kütüphanesindeki önceden tanımlanmış bir etiketle eşleştirir ve etiket, AR ortamında fiziksel nesnenin üzerine bindirilir. Örneğin, Volkswagen Mobil Artırılmış Gerçeklik Teknik Yardımı (MARTA) araç parçalarını etiketler ve mevcut sorunlar ile bunların nasıl düzeltileceğine dair talimatlar sağlar.

2. Nesne algılama ve tanıma

Nesne algılama ve tanıma, bir sahne içindeki nesnelerin konumunu ve kapsamını tahmin etmek için evrişimli sinir ağı (CNN) algoritmalarını kullanır. Nesne algılandıktan sonra, AR yazılımı fiziksel olanın 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 görüntü tanıma araçları karşılaştırmamızı okumaktan çekinmeyin.

3. Metin tanıma ve çeviri

Metin tanıma ve çeviri, yapay zeka Optik Karakter Tanıma (OCR) tekniklerini DeepL gibi metin-metin çeviri motorlarıyla birleştirir. Bir görsel izleyici kelimeyi takip eder ve çevirinin AR ortamına yerleştirilmesine olanak tanır. Google Translate bu işlevselliği sunar.

4. Otomatik Konuşma Tanıma

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

Örnek:

Bir örnek Panda çıkartma uygulamasıdır.

ASR'yi sensör tabanlı el hareketi izleme ile birleştiren bir diğer 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 birleştirildiğinde, bu sistemler kullanıcıların dokunmadan sanal nesnelerle etkileşim kurmasına olanak tanır ve daha sezgisel ve eller serbest (ücretsiz) AR deneyimleri yaratır.

Örnek:
Endüstriyel bakımda, yapay zeka AR sistemleri, makine 3D hologramlarını manipüle etmek için el sinyallerini yorumlayabilirken, sesli komutlar bağlamsal talimatları veya uyarıları tetikler. Erişilebilirlik odaklı AR uygulamaları, sınırlı hareket kabiliyetine sahip kullanıcılar için arayüzlerde gezinmek için jestleri ve sesi kullanır.

Kullanım alanları:

• Eller serbest (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 anlamsal sahne anlamayı sağlayarak AR sistemlerinin tüm ortamları (örneğin mutfak, ofis, sokak) sınıflandırmasına ve yer paylaşımlarını buna göre uyarlamasına olanak tanır. SceneNet veya IBM’in Görsel Tanıma gibi derin öğrenme modelleri, AR deneyimini özelleştirmek için mekansal bağlamı, aydınlatmayı ve yüzey türlerini analiz edebilir.

Örnek:
Snapdragon Spaces, duvarları, yüzeyleri ve oda türlerini gerçek zamanlı olarak algılamak için yapay zekayı kullanarak sanal mobilyaların veya oyun öğelerinin daha gerçekçi bir şekilde yerleştirilmesini sağlar.

Kullanım alanları:

• Oda türüne göre mobilya öneren iç tasarım uygulamaları
• Yönlendirme işaretlerini 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 istemlere veya kullanıcı etkileşimlerine dayalı olarak dinamik olarak 3D varlıklar, sesler hatta tüm sahneler oluşturabilir. Bu, önceden yüklenmiş kütüphanelere olan ihtiyacı ortadan kaldırır ve kullanıcıların önceden yüklenmiş varlıklar olmadan kişiselleştirilmiş ortamlar oluşturmasını sağlar.

Örnek:
Bir pazarlama uygulaması, kullanıcıların ideal oturma odalarını tarif etmelerine izin verebilir ve GenAI, AR'de mobilya ve düzen oluşturur.

İlgili modeller/araçlar:

• Luma AI (metinden-3D'ye)
• Video katmanları için RunwayML
• Gerçek zamanlı 3D modelleme için Pika Labs veya Spline

8. Endüstriyel denetim için Anomaly tespiti

Yapay zeka etkin AR, üretim veya saha çalışmalarında gerçek zamanlı anomali tespitine yardımcı olabilir. “Normal”in neye benzediği (örneğin boru bütünlüğü, makine yüzeyleri) üzerine eğitilmiş bilgisayarlı görü modelleri sapmaları algılayabilir ve AR kullanarak kullanıcının görüş alanında vurgulayabilir.

Sensors'daki 2020 tarihli bir çalışma, kontrol kabini kablolamasında AR gözlük rehberliğini basılı dokümantasyonla karşılaştırdı ve işlem süresinde %45 azalma tespit ederek 20 telli bir montajda 6,5 ila 7 dakika tasarruf sağladı.²

Anomali tespitine gerçek yaşam örneği:
Porsche, uzaktan bakım sırasında otomatik parçalardaki aşınma, korozyon veya hizalama bozukluklarını vurgulamak için yapay zeka denetim araçlarıyla AR kullanır.

Kullanım alanları:

• Fabrikalarda bakım ve güvenlik denetimleri
• Kamu hizmet altyapısı (örn. 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 kez AR Lens oynattığı bildirildi; günlük kullanıcıların %75'i her gün AR ile etkileşime geçiyor, bu da AR'nin tüketici eğlencesindeki ölçeğini gösteriyor.³

Yapay Zeka Etkin AR Yazılım Tedarikçileri

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

Apple ARKit

ARKit, iOS iPhone'lar ve iPad'ler için Apple'ın artırılmış gerçeklik (AR) geliştirme platformudur. ARKit nesne etiketleme, insan oklüzyonu, hareket yakalama ve çoklu yüz takibi sağlar. ARKit şunlarda kullanılmıştır:

• Eğitimde fen, fizik veya kimya laboratuvarlarında pratik deneyleri modellemek için, Labster gibi
• İnşaat ve mimarlıkta mekansal boyutları ölçmek ve ürün veya çözümler önermek için, IKEA place gibi.
• Eğlence, Pokemon GO gibi.

Google ARCore

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

• Gayrimenkulde boş alanları görselleştirmek, dekore etmek ve tasarlamak için. Sotheby’s Curate uygulaması gibi
• Yaşam tarzı ve bakımda kullanıcıları rehberlik ve talimat sağlayan, ölçümler yapan ve potansiyel çözümleri mekana yansıtan profesyonellerle buluşturmak için. Örneğin Streem uygulaması.
• Eğlence, TendAR sanal evcil hayvan oyunu uygulaması gibi.

Diğerleri

Diğer yapay zeka/AR yazılım tedarikçileri şunlardır:

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

Yapay Zeka AR giyilebilir cihazlar ve XR platformları

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

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

Google Arama'da daha fazla kıyaslamamızı ve veri odaklı içgörülerimizi görün.

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},
  title  = {{15+ Artırılmış Gerçeklik Kullanım Alanları ve Yapay Zeka Uygulamaları}},
  year   = {2026},
  month  = jul,
  howpublished    = {\url{https://aimultiple.com/ar-ai}},
  note   = {AIMultiple. Erişim tarihi: 23 Temmuz 2026}
}

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'da baş analist olarak görev yapmaktadır. AIMultiple, her ay Fortune 500 şirketlerinin %55'i de dahil olmak üzere yüz binlerce işletmeye (benzer Web'e göre) bilgi sağlamaktadır. Cem'in çalışmaları, Business Insider, Forbes, Washington Post gibi önde gelen küresel yayınlar, Deloitte, HPE gibi küresel firmalar, Dünya Ekonomik Forumu gibi STK'lar ve Avrupa Komisyonu gibi uluslararası kuruluşlar tarafından alıntılanmıştır. AIMultiple'ı referans gösteren daha fazla saygın şirket ve kaynağı görebilirsiniz. Kariyeri boyunca Cem, teknoloji danışmanı, teknoloji alıcısı ve teknoloji girişimcisi olarak görev yapmıştır. On yıldan fazla bir süre McKinsey & Company ve Altman Solon'da işletmelere teknoloji kararları konusunda danışmanlık yapmıştır. Ayrıca dijitalleşme üzerine bir McKinsey raporu yayınlamıştır. Bir telekom şirketinin CEO'suna bağlı olarak teknoloji stratejisi ve tedarikini yönetmiştir. Ayrıca, 2 yıl içinde sıfırdan 7 haneli yıllık yinelenen gelire ve 9 haneli değerlemeye ulaşan derin teknoloji şirketi Hypatos'un ticari büyümesini yönetmiştir. Cem'in Hypatos'taki çalışmaları TechCrunch ve Business Insider gibi önde gelen teknoloji yayınlarında yer aldı. Cem düzenli olarak uluslararası teknoloji konferanslarında konuşmacı olarak yer almaktadır. Boğaziçi Üniversitesi'nden bilgisayar mühendisliği diplomasına ve Columbia Business School'dan MBA derecesine sahiptir.

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