Robotika a fyzická AI
Unity pokročilé robotické odvětví s novými vydáními
Přidejte Unite.AI mezi své preferované zdroje na Google
Unity je jednou z předních platforem pro vývoj a provozování real-time 3D, nebo RT3D, obsahu. Společnost nedávno oznámila svou Object Pose Estimation, která má za cíl zlepšit robotické odvětví, zejména v průmyslovém prostředí, pomocí počítačového vidění a simulačních technologií.
Demonstrace objektové pozice
Demonstrace objektové pozice 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 toho, aby byl programován, a jak se učí ze syntetických dat, je schopen zachytit mnohem jemnější vzory, než by mohl kterýkoli programátor,” řekl. “Vrstvení našich technologií spolu ukazuje, jak překračujeme hranici, a začínáme se zabývat 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 zmiňuje o nedávných vydáních Unity, která podporují Robot Operating System (ROS), který je flexibilním rámcem pro vývoj robotického softwaru.
https://www.youtube.com/watch?v=dhVPml_IVr4
Vývoj na základě předchozích vydání
Před vydáním demonstrace Object Pose Estimation vydala společnost Unity open-source balíček URDF Importer a ROS-TCP-Connector, který má za cíl výrazně snížit latenci zpráv mezi uzly ROS a Unity. To umožňuje robotovi, který operuje v simulovaném prostředí, jednat v téměř 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 a editoru Unity lze vytvořit nekonečné množství virtuálních prostředí.
S kombinací těchto nástrojů demonstrace ukázala, jak lze vytvořit velké množství syntetických, označených trénovacích dat. Byla poté použita k výcviku jednoduchého modelu hlubokého učení k předpovědi pozice krychle. Demo poskytlo tutoriál pro ty, kteří chtějí projekt rekreovat.
“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 schopni prokázat riziko zamýšlených aplikací ve vysoce věrném virtuálním prostředí ušetří čas a peníze mnoha odvětvím, která jsou připravena být transformována robotikou v kombinaci s AI a strojovým učením.”
