Unity pokročila v oblasti robotiky díky novým vydáním

Unity je jednou z předních platforem pro vývoj a provozování obsahu v reálném čase 3D, nebo RT3D. Společnost nedávno oznámila svůj Object Pose Estimation, který má za cíl zlepšit průmysl robotiky, zejména v průmyslovém prostředí, pomocí počítačového vidění a simulace. 

Demonstrace Object Pose

Demonstrace Object Pose se konala spolu s odpovídající demonstrací, která ukazuje, jak roboti mohou učit prostřednictvím syntetických dat. 

Dr. Danny Lange je Senior Vice President of Artificial Intelligence ve společnosti Unity.

“Toto je silný příklad systému, který se učí místo programování, a jak se učí ze syntetických dat, je schopen zachytit mnohem jemnější vzorce, než by mohl jakýkoli programátor,” řekl. “Vrstvení našich technologií společně ukazuje, jak překračujeme hranici a začínáme pracovat s něčím, co je skutečně AI, a v tomto případě demonstrujeme efektivitu možnou při školení robotů.”

Když Dr. Lange mluví o vrstvení technologií společnosti, částečně se týká nedávných vydání Unity, která podporují Robot Operating System (ROS), který je flexibilním rámcem pro vývoj softwaru pro roboty. 

https://www.youtube.com/watch?v=dhVPml_IVr4

Výstavba na předchozích vydáních

Před vydáním demonstrace Object Pose Estimation vydala Unity společnost URDF Importer, open-source balíček Unity, spolu s ROS-TCP-Connector, který má za cíl výrazně snížit latenci zpráv mezi uzly ROS a Unity. To umožňuje robotovi, který funguje v simulovaném prostředí, jednat téměř v reálném čase. 

Simulační technologie se často používá při testování aplikací v nebezpečných, drahých nebo vzácných situacích. Používáním simulace lze aplikace ověřit před nasazením do robota, což umožňuje časnou detekci potenciálních problémů. Kombinací vestavěného fyzikálního engine Unity a editoru Unity lze vytvořit nekonečné množství virtuálních prostředí. 

S kombinací těchto nástrojů demonstrace ukázala, jak lze vytvořit velké množství syntetických, označených trénovacích dat. Poté byla tato data použita k výcviku jednoduchého modelu hlubokého učení k předpovědi polohy krychle. Demontrace poskytla tutoriál pro ty, kteří chtějí projekt zopakovat.

“S Unity jsme nejen demokratizovali tvorbu dat, ale také poskytli přístup k interaktivnímu systému pro simulaci pokročilých interakcí ve virtuálním prostředí,” pokračoval Lange.

“Můžete vyvinout řídicí systémy pro autonomní vozidla, například, nebo zde pro velmi drahé robotické ramena, bez rizika poškození zařízení nebo dramatického zvýšení nákladů na průmyslové instalace. Být schopen prokázat riziko zamýšlených aplikací ve vysoce věrném virtuálním prostředí ušetří čas a peníze pro mnoho odvětví, která jsou připravena být transformována robotikou v kombinaci s AI a strojovým učením.”