15+ Kullanım Durumu ve Artırılmış Gerçekliğin Yapay Zeka Uygulamaları

Artırılmış Gerçeklik (AR), kullanıcının sanal bağlamı fiziksel ortama 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 izin vererek ve nesne algılama, metin analizi ve sahne etiketleme gibi yeni özellikler ekleyerek AR deneyimini geliştirir. AR'daki yapay zekayı, uygulamalarını, örneklerini ve sağlayıcılarını inceliyoruz.

Yapay zeka AR'ı nasıl dönüştürüyor?

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 iyi uyar çünkü:

• Kameralar her zaman açık olduğu için yapay zeka algoritmasının eğitilmesi için daha fazla veri toplama fırsatı vardır.
• AR ortamları birden fazla sensöre (örneğin cihazın jiroskopları, sensörler, ivmeölçerler ve GPS) dayandığından yapay zeka algoritmasına giriş ayrıntı bakımından 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 davranmasına (örneğin kapatma, sabitlenmiş gölgeler ve ışık uyarlaması) olanak tanır ve sahne kategorisine (ofis ve dış mekan) veya çıkarılan kullanıcı niyetine dayalı bağlamsal öneriler gibi gelişmiş özellikler sağlar.

AR'da 8 yapay zeka uygulaması

1. Nesne etiketleme

Nesne etiketleme, makine öğrenimi sınıflandırma modellerini kullanır. Bir kamera karesi modelden geçirildiğinde, görüntüyü kullanıcının sınıflandırma kitaplığında önceden tanımlanmış bir etiketle eşleştirir ve etiket AR ortamındaki fiziksel nesnenin üzerine bindirilir. Örneğin, Volkswagen Mobil Artırılmış Gerçeklik Teknik Yardımı (MARTA) araç parçalarını etiketler ve mevcut sorunlar hakkında bilgi ve bunların nasıl giderileceğine 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 etkileşime aracılık etmek 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 hissetmeden resim tanıma araç karşılaştırmamızı okuyun.

3. Metin tanıma ve çeviri

Metin tanıma ve çeviri, yapay zeka Optik Karakter Tanıma (OCR) tekniklerini DeepL gibi metinden metne çeviri motorlarıyla birleştirir. Görsel bir izleyici kelimeyi takip eder ve çevirinin AR ortamının üzerine bindirilmesine izin verir. Google Çeviri bu işlevselliği sunar.

4. Otomatik Konuşma Tanıma

Otomatik Konuşma Tanıma (ASR), metin çıkarmak için görüntü işlemeye dayanan bir algoritma olan sinir ağı görsel-işitsel konuşma tanımayı 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 izlemeyle birleştiren başka bir 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 durumları koleksiyonumuza göz atın.

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 sanal nesnelerle dokunmadan etkileşime girmesine izin vererek daha sezgisel ve eller-ücretsiz AR deneyimleri yaratır.

Örnek:
Endüstriyel bakımda, yapay zeka AR sistemleri, makinelerin 3D hologramlarını yönetmek için el işaretlerini yorumlayabilirken, sesli komutlar bağlamsal talimatları veya uyarıları tetikler. Erişilebilirliğe odaklanan AR uygulamaları, sınırlı hareket kabiliyetine sahip kullanıcılar için arayüzlerde gezinmek için jestleri ve sesi kullanır.

Kullanım durumları:

• 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 anlamsal sahne anlamayı mümkün kılarak AR sistemlerinin tüm ortamları (ör. mutfak, ofis, sokak) sınıflandırmasına ve bindirmeleri buna göre uyarlamasına olanak tanır. SceneNet veya IBM 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 zeka kullanır ve sanal mobilya veya oyun öğelerinin daha gerçekçi yerleştirilmesini sağlar.

Kullanım durumları:

• Oda türüne göre mobilya öneren iç tasarım uygulamaları
• İç/dış mekanlara tabela uyarlayan AR yol bulma
• Mağaza bölümlerine göre promosyon içeriğini değiştiren akıllı perakende.

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

GenAI modelleri, istemlere veya AR ortamlarındaki kullanıcı etkileşimlerine dayalı olarak 3D varlıkları, sesleri ve hatta tüm sahneleri dinamik olarak oluşturabilir. 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, mobilya ve düzeni AR'da oluşturacaktır.

İlgili modeller/araçlar:

• Luma YZ (metinden-3D)
• Video bindirmeleri için RunwayML
• Gerçek zamanlı 3D modelleme için Pika Labs veya Spline

8. Endüstriyel denetim için Anomaly tespiti

Yapay zeka etkin AR, üretim veya saha çalışmasında gerçek zamanlı anormallik tespitine yardımcı olabilir. "Normal"in neye benzediği (ör. boru bütünlüğü, makine yüzeyleri) üzerine eğitilmiş bilgisayarlı görü modelleri, sapmaları tespit edebilir ve AR kullanarak kullanıcının görüş alanında vurgulayabilir.

Sensors'da 2020 yılında yapılan bir çalışma, kontrol kabini kablolamasında AR gözlük rehberliğini basılı belgelere karşı karşılaştırdı ve %45 işlem süresinde azalma tespit etti, 20 telli bir montajda 6.5 ila 7 dakika tasarruf sağladı.²

Anormallik tespiti üzerine gerçek hayattan bir örnek:
Porsche, uzaktan bakım sırasında otomatik parçalardaki aşınma, korozyon veya hizasızlıkları vurgulamak için yapay zeka denetim araçlarıyla birlikte AR kullanır.

Kullanım durumları:

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

Çeşitli endüstrilerde daha fazla yapay zeka/AR uygulaması

Snapchat kullanıcılarının 2026'nın ilk çeyreğinde günde ortalama 9 milyardan fazla AR Lens oynadığı bildirildi; günlük kullanıcıların %75'i her gün AR ile etkileşime giriyor, bu da AR'ın tüketici eğlencesindeki ölçeğini gösteriyor.³

Yapay Zeka Etkin AR Yazılım Sağlayıcıları

Statista'ya göre, artırılmış gerçeklik (AR), sanal gerçeklik (VR) ve karma gerçeklik (MR) küresel pazarının 2026 yılına kadar 100B $'a ulaşması bekleniyor.⁹ Apple ve Google gibi şirketler, müşterilerin AR deneyimini geliştirmek için yapay zeka etkin 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:

• Eğitimde fen, fizik veya kimya laboratuvarlarında pratik deneyleri modellemek için, Labster gibi.
• İnşaat ve mimaride mekansal boyutları ölçmek ve ürün veya çözüm 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 şu alanlarda kullanılmıştır:

• Gayrimenkulde boş alanları görselleştirmek, dekore etmek ve tasarlamak için, Sotheby's Curate uygulaması gibi.
• Yaşam tarzı ve bakımda kullanıcıları rehberlik ve talimat veren, ölçüm alan ve alana potansiyel çözümler yansıtan profesyonellerle buluşturmak için. Örneğin Streem uygulaması.
• Eğlence, TendAR sanal evcil hayvan oyunu uygulaması gibi.

Diğerleri

Diğer yapay zeka/AR yazılım sağlayıcıları şunları içerir:

• 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, bağlamsal zekayı ve AR etkileşimini geliştiren el, göz ve ses girişi ile mekansal hesaplama sağlar.

Meta'nın Ray‑Ban Display akıllı gözlükleri ve diğer hafif yapay zeka-AR giyilebilir cihazları, bağlamsal bindirmeler, canlı çeviri ve etkileşimli görsel rehberliği günlük kullanım durumlarına getiriyor.

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  = {{15+ Kullanım Durumu ve Artırılmış Gerçekliğin 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 analisttir. AIMultiple, her ay Fortune 500'ün %60'ı dahil olmak üzere (similarWeb'e göre) yüz binlerce işletmeyi bilgilendirmektedir.

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 uluslarüstü kuruluşlar tarafından alıntılanmıştır.

Cem, kariyeri boyunca teknoloji danışmanı, teknoloji alıcısı ve teknoloji girişimcisi olarak görev yapmıştır. On yıldan fazla bir süre McKinsey & Company ve Altman Solon'da işletmelere teknoloji kararlarında danışmanlık yapmıştır. Ayrıca dijitalleşme üzerine bir McKinsey raporu yayımlamıştır.

CEO'ya rapor verirken bir telekomünikasyon şirketinin teknoloji stratejisini ve satın alımını yönetmiştir. Ayrıca, 2 yıl içinde 0'dan 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 yayınları tarafından ele alınmıştır.

Cem, uluslararası teknoloji konferanslarında düzenli olarak konuşma yapmaktadır. Boğaziçi Üniversitesi'nden bilgisayar mühendisi olarak mezun olmuş ve Columbia Business School'dan MBA derecesine sahiptir.

Tam Profili Görüntüle

Araştıran

Hazal Şimşek

Endüstri Analisti

Takip Et

Hazal, AIMultiple'da endüstri analisti olup süreç madenciliği ve BT otomasyonuna odaklanmaktadır.

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