Unity fördert die Robotikindustrie mit neuen Veröffentlichungen

Unity ist eine der führenden Plattformen für die Entwicklung und den Betrieb von Echtzeit-3D-Inhalten, oder RT3D. Das Unternehmen hat kürzlich seine Objektposedetektion angekündigt, die darauf abzielt, die Robotikindustrie, insbesondere in der industriellen Umgebung, durch den Einsatz von Computervision und Simulationstechnologien zu verbessern. 

Objektposedemonstration

Die Objektposedemonstration fand neben einer entsprechenden Demonstration statt, die zeigt, wie Roboter durch synthetische Daten lernen können. 

Dr. Danny Lange ist Senior Vice President of Artificial Intelligence bei Unity.

“Dies ist ein leistungsfähiges Beispiel für ein System, das lernt, anstatt programmiert zu werden, und da es aus synthetischen Daten lernt, kann es viel nuanciertere Muster erfassen, als ein Programmierer jemals könnte,” sagte er. “Durch die Kombination unserer Technologien zeigt sich, wie wir eine Grenze überschreiten und beginnen, mit etwas zu arbeiten, das wirklich künstliche Intelligenz ist, und in diesem Fall die Effizienz bei der Ausbildung von Robotern demonstrieren.”

Wenn Dr. Lange von der Kombination der Technologien des Unternehmens spricht, bezieht er sich teilweise auf die jüngsten Veröffentlichungen von Unity, die das Robot Operating System (ROS) unterstützen, ein flexibles Framework für die Entwicklung von Robotik-Software. 

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

Aufbau auf vorherigen Veröffentlichungen

Bevor die Veröffentlichung der Objektposedetektion-Demo, veröffentlichte Unity den URDF-Importer, ein Open-Source-Unity-Paket, sowie den ROS-TCP-Connector, der darauf abzielt, die Latenz von Nachrichten zwischen ROS-Knoten und Unity drastisch zu reduzieren. Dies ermöglicht es dem Roboter, in einer simulierten Umgebung in Echtzeit zu agieren. 

Simulationstechnologie wird oft verwendet, wenn Anwendungen in gefährlichen, teuren oder seltenen Situationen getestet werden. Durch die Verwendung von Simulation können die Anwendungen validiert werden, bevor sie auf den Roboter angewendet werden, was die frühzeitige Erkennung von potenziellen Problemen ermöglicht. Durch die Kombination von Unitys integriertem Physik-Engine und dem Unity-Editor können eine Vielzahl von virtuellen Umgebungen erstellt werden. 

Mit der Kombination dieser Tools zeigte die Demonstration, wie große Mengen an synthetischen, beschrifteten Trainingsdaten erstellt werden können. Diese wurden dann verwendet, um ein einfaches Deep-Learning-Modell zu trainieren, um die Position eines Würfels vorherzusagen. Die Demo bot einen Tutorial für diejenigen, die das Projekt nachbilden möchten.

“Mit Unity haben wir nicht nur die Datenerstellung demokratisiert, sondern auch den Zugang zu einem interaktiven System für die Simulation von komplexen Interaktionen in einer virtuellen Umgebung ermöglicht,” fuhr Lange fort.

“Sie können die Steuerungssysteme für ein autonomes Fahrzeug entwickeln, zum Beispiel, oder hier für hochpreisige Roboterarme, ohne das Risiko, Ausrüstung zu beschädigen oder die Kosten von industriellen Anlagen drastisch zu erhöhen. Die Fähigkeit, das Risiko von geplanten Anwendungen in einer hochauflösenden virtuellen Umgebung zu beweisen, wird Zeit und Geld für viele Branchen sparen, die durch Robotik in Kombination mit künstlicher Intelligenz und maschinellem Lernen transformiert werden sollen.”