Unity Meningkatkan Industri Robotik dengan Rilis Baru

Unity adalah salah satu platform terkemuka untuk mengembangkan dan mengoperasikan konten 3D waktu nyata, atau RT3D. Perusahaan ini baru-baru ini mengumumkan Estimasi Pose Objek, yang bertujuan untuk meningkatkan Industri Robotik, khususnya di lingkungan industri, melalui penggunaan teknologi penglihatan komputer dan simulasi.

Demonstrasi Pose Objek

Demonstrasi Pose Objek berlangsung bersamaan dengan demonstrasi yang sesuai, menunjukkan bagaimana robot dapat belajar melalui data sintetis.

Dr. Danny Lange adalah Wakil Presiden Senior Kecerdasan Buatan di Unity.

“Ini adalah contoh kuat dari sistem yang belajar bukan diprogram, dan ketika belajar dari data sintetis, mampu menangkap pola yang lebih halus daripada yang dapat diprogram oleh siapa pun,” katanya. “Menggabungkan teknologi kami bersama-sama menunjukkan bagaimana kami melintasi garis, dan kami mulai berurusan dengan sesuatu yang benar-benar AI, dan dalam hal ini, menunjukkan efisiensi yang mungkin dalam melatih robot.”

Ketika Dr. Lange mengacu pada menggabungkan teknologi perusahaan, ia sebagian mengacu pada rilis Unity baru-baru ini yang mendukung Sistem Operasi Robot (ROS), yang merupakan kerangka kerja yang fleksibel untuk mengembangkan perangkat lunak robot.

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

Membangun di Atas Rilis Sebelumnya

Sebelum rilis demo Estimasi Pose Objek, Unity merilis Pengimpor URDF, paket Unity sumber terbuka, bersama dengan ROS-TCP-Connector, yang bertujuan untuk mengurangi secara drastis keterlambatan pesan antara node ROS dan Unity. Ini memungkinkan robot yang beroperasi dalam lingkungan simulasi untuk bertindak hampir waktu nyata.

Teknologi simulasi sering digunakan ketika menguji aplikasi dalam situasi berbahaya, mahal, atau langka. Dengan menggunakan simulasi, aplikasi dapat divalidasi sebelum diterapkan pada robot, yang memungkinkan deteksi dini potensi masalah. Dengan menggabungkan mesin fisika bawaan Unity dan Editor Unity, dapat ada lingkungan virtual tak terbatas.

Dengan kombinasi alat ini, demonstrasi menunjukkan bagaimana sejumlah besar data pelatihan sintetis yang dilabeli dapat dibuat. Kemudian digunakan untuk melatih model pembelajaran dalam yang sederhana untuk memprediksi posisi sebuah kubus. Demo menyediakan tutorial bagi mereka yang ingin merekayasa proyek ini.

“Dengan Unity, kami tidak hanya mendemokratisasikan pembuatan data, kami juga menyediakan akses ke sistem interaktif untuk mensimulasikan interaksi lanjutan dalam lingkungan virtual,” lanjut Lange.

“Anda dapat mengembangkan sistem kontrol untuk kendaraan otonom, misalnya, atau di sini untuk lengan robot yang sangat mahal, tanpa risiko merusak peralatan atau meningkatkan biaya pemasangan industri secara dramatis. Dengan dapat membuktikan risiko aplikasi yang dimaksud dalam lingkungan virtual yang setia, akan menghemat waktu dan uang untuk banyak industri yang siap untuk diubah oleh robotik yang digabungkan dengan AI dan Pembelajaran Mesin.”