रोबोटिक्स और भौतिक एआई
यूनिटी एडवांस रोबोटिक्स इंडस्ट्री के साथ नए रिलीज़
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
यूनिटी रियल-टाइम 3डी, या आरटी3डी, सामग्री विकसित और संचालित करने के लिए अग्रणी प्लेटफ़ॉर्म में से एक है। कंपनी ने हाल ही में अपने ऑब्जेक्ट पोज़ एस्टीमेशन की घोषणा की है, जो कंप्यूटर विजन और सिमुलेशन तकनीकों के माध्यम से औद्योगिक सेटिंग में रोबोटिक्स उद्योग को बढ़ाने के लिए है।
ऑब्जेक्ट पोज़ डेमो
ऑब्जेक्ट पोज़ डेमो एक साथ एक संबंधित प्रदर्शन के साथ हुआ, जिसमें दिखाया गया कि रोबोट सिंथेटिक डेटा के माध्यम से कैसे सीख सकते हैं।
डॉ. डैनी लैंग यूनिटी में आर्टिफ़िशियल इंटेलिजेंस के सीनियर वाइस प्रेसिडेंट हैं।
“यह एक शक्तिशाली उदाहरण है कि एक प्रणाली जो सीखती है और प्रोग्राम नहीं की जाती है, और जैसे ही यह सिंथेटिक डेटा से सीखती है, यह उन नमूनों को पकड़ सकती है जो किसी भी प्रोग्रामर द्वारा कभी नहीं किए जा सकते हैं,” उन्होंने कहा। “हमारी तकनीकों को एक साथ रखने से पता चलता है कि हम एक रेखा पार कर रहे हैं, और हम वास्तव में कुछ ऐसा करना शुरू कर रहे हैं जो कृत्रिम बुद्धिमत्ता है, और इस मामले में, रोबोटों को प्रशिक्षित करने में संभव कुशलता का प्रदर्शन कर रहा है।”
जब डॉ. लैंग कंपनी की तकनीकों को एक साथ रखने का उल्लेख करते हैं, तो वे आंशिक रूप से यूनिटी के हाल के रिलीज़ का उल्लेख कर रहे हैं जो रोबोट ऑपरेटिंग सिस्टम (आरओएस) का समर्थन करता है, जो रोबोट सॉफ़्टवेयर विकसित करने के लिए एक लचीला फ्रेमवर्क है।
https://www.youtube.com/watch?v=dhVPml_IVr4
पिछले रिलीज़ पर निर्माण
ऑब्जेक्ट पोज़ एस्टीमेशन डेमो की रिलीज़ से पहले, यूनिटी ने कंपनी के यूआरडीएफ आयातक, एक ओपन-सोर्स यूनिटी पैकेज, के साथ-साथ आरओएस-टीसीपी-कनेक्टर जारी किया, जो आरओएस नोड्स और यूनिटी के बीच संदेशों की विलंबता को काफी कम करने के लिए है। यह सिम्युलेटेड वातावरण में संचालित रोबोट को लगभग वास्तविक समय में कार्य करने में सक्षम बनाता है।
सिमुलेशन तकनीक अक्सर खतरनाक, महंगे या दुर्लभ स्थितियों में अनुप्रयोगों का परीक्षण करने के लिए निर्भर की जाती है। सिमुलेशन का उपयोग करके, अनुप्रयोगों को रोबोट पर तैनात करने से पहले सत्यापित किया जा सकता है, जो संभावित समस्याओं का शुरुआती पता लगाने में सक्षम बनाता है। यूनिटी के निर्मित भौतिकी इंजन और यूनिटी एडिटर को मिलाकर, असीमित संख्या में आभासी वातावरण हो सकते हैं।
इन उपकरणों के संयोजन के साथ, प्रदर्शन ने दिखाया कि बड़ी मात्रा में सिंथेटिक, लेबल वाले प्रशिक्षण डेटा कैसे बनाया जा सकता है। इसका उपयोग एक सरल गहरे शिक्षण मॉडल को प्रशिक्षित करने के लिए किया गया था ताकि एक घन की स्थिति का अनुमान लगाया जा सके। डेमो ने परियोजना को पुन: बनाने के लिए एक ट्यूटोरियल प्रदान किया।
“यूनिटी के साथ, हमने न केवल डेटा निर्माण को लोकतांत्रिक बनाया है, बल्कि हमने एक आभासी सेटिंग में उन्नत बातचीत के लिए एक इंटरैक्टिव सिस्टम तक पहुंच प्रदान की है,” लैंग ने जारी रखा।
“आप एक स्वायत्त वाहन के लिए नियंत्रण प्रणाली विकसित कर सकते हैं, उदाहरण के लिए, या यहाँ उच्च मूल्य वाले रोबोटिक आर्म्स के लिए, बिना उपकरण को नुकसान पहुँचाए या औद्योगिक स्थापना की लागत में नाटकीय रूप से वृद्धि किए। उच्च-विश्वसनीय आभासी वातावरण में इरादित अनुप्रयोगों के जोखिम को साबित करने में सक्षम होने से रोबोटिक्स, आर्टिफ़िशियल इंटेलिजेंस और मशीन लर्निंग द्वारा परिवर्तित होने वाले कई उद्योगों के लिए समय और पैसा बचेगा।”
