Dirbtinis intelektas
NeRF: dronų mokymas nervinio spinduliavimo aplinkoje
Stenfordo universiteto mokslininkai sukūrė naują dronų mokymo būdą, kad jie galėtų naršyti fotorealistinėje ir labai tikslioje aplinkoje, pasinaudodami naujausiais susidomėjimo lavina Nervinio spinduliavimo laukuose (NeRF).
Šis metodas suteikia galimybę interaktyviai treniruoti dronus (ar kitų tipų objektus) virtualiuose scenarijuose, į kuriuos automatiškai įtraukiama apimties informacija (susidūrimo išvengimui apskaičiuoti), tekstūra, nubrėžta tiesiogiai iš tikro gyvenimo nuotraukų (siekiant padėti apmokyti dronų vaizdo atpažinimo tinklus tikroviškesnė mada) ir realaus pasaulio apšvietimas (siekiant užtikrinti, kad įvairūs apšvietimo scenarijai būtų įtraukti į tinklą, išvengiant per didelio pritaikymo ar optimizavimo prie pradinės momentinės scenos nuotraukos).
Įprasti NeRF diegimai neturi trajektorijos mechanizmų, nes dauguma NeRF projektų per pastaruosius 18 mėnesių buvo sutelkti į kitus iššūkius, pvz. scenos pakartotinis apšvietimas, atspindžio perteikimas, Kompozicija ir išskyrimas užfiksuotų elementų. Todėl naujojo dokumento pagrindinė naujovė yra įdiegti NeRF aplinką kaip navigacinę erdvę, be didelės įrangos ir daug pastangų reikalaujančių procedūrų, kurių prireiktų modeliuoti kaip 3D aplinką, pagrįstą jutiklių fiksavimu ir CGI rekonstrukcija.
NeRF kaip VR/AR
Nauja popierius yra tituluojamas Tik regėjimo roboto navigacija neuroninio spinduliavimo pasaulyje, ir yra trijų Stenfordo skyrių bendradarbiavimas: aeronautikos ir astronautikos, mechanikos inžinerijos ir kompiuterių mokslo.
Darbe siūloma navigacijos sistema, kuri suteikia robotui iš anksto paruoštą NeRF aplinką, kurios tūrio tankis riboja galimus įrenginio kelius. Jame taip pat yra filtras, skirtas įvertinti, kur robotas yra virtualioje aplinkoje, remiantis roboto integruotos RGB kameros vaizdo atpažinimu. Tokiu būdu dronas ar robotas gali tiksliau „haliucinuoti“ tai, ką gali tikėtis pamatyti tam tikroje aplinkoje.
Kadangi NeRF aplinkoje yra visiškai sumodeliuotų okliuzijų, dronas gali lengviau išmokti apskaičiuoti kliūtis, nes už NeRF esantis neuroninis tinklas gali nustatyti ryšį tarp okliuzijų ir būdo, kaip drono integruotos regėjimo navigacijos sistemos suvokia aplinką. Automatizuotas NeRF kartos dujotiekis siūlo gana trivialų būdą sukurti hiperrealias treniruočių erdves su tik keliomis nuotraukomis.
Stanfordo iniciatyva yra viena iš pirmųjų, nagrinėjusių NeRF erdvės tyrinėjimo galimybes navigacinėje ir įtraukiančioje VR stiliaus aplinkoje. Neuroninio spinduliavimo laukai yra nauja technologija, kuriai šiuo metu taikomos daug akademinės pastangos optimizuoti didelius skaičiavimo išteklių poreikius, taip pat atskirti užfiksuotus elementus.
Nerf nėra (tikrai) CGI
Kadangi NeRF aplinka yra naršoma 3D scena, nuo tada, kai atsirado 2020 m., ji tapo nesuprasta technologija, dažnai suvokiama kaip tinklelių ir tekstūrų kūrimo automatizavimo metodas, o ne pakeičiantis 3D aplinkas, pažįstamas žiūrovams iš Holivudo VFX skyrių ir fantastiškos papildytos realybės ir virtualios realybės aplinkų scenos.
Tiesą sakant, NeRF aplinka labiau primena „gyvą“ atvaizdavimo erdvę, kurioje pikselių ir apšvietimo informacijos sujungimas išsaugomas ir naršoma aktyviame ir veikiančiame neuroniniame tinkle.
NeRF potencialo raktas yra tas, kad norint atkurti aplinką reikia tik riboto vaizdų skaičiaus ir kad sukurtose aplinkose būtų visa reikalinga informacija, reikalinga didelio tikslumo rekonstrukcijai, nereikalaujant modeliuotojų, tekstūrų menininkų, apšvietimo paslaugų. specialistų ir daugybės kitų „tradicinio“ CGI prisidėjusiųjų.
Semantinis segmentavimas
Net jei NeRF veiksmingai sudaro „kompiuterinius vaizdus“ (CGI), jis siūlo visiškai kitokią metodiką ir labai automatizuotą vamzdyną. Be to, NeRF gali izoliuoti ir „apklijuoti“ judančias scenos dalis, kad jas būtų galima pridėti, pašalinti, paspartinti ir paprastai veikti kaip atskiri aspektai virtualioje aplinkoje – ši galimybė yra daug didesnė už dabartinę padėtį. „Holivudo“ interpretacija, kas yra CGI.
Neigiama, NeRF architektūra yra šiek tiek „juodoji dėžė“; šiuo metu neįmanoma ištraukti objekto iš NeRF aplinkos ir tiesiogiai juo manipuliuoti naudojant tradicinius tinklelio ir vaizdo pagrindu veikiančius įrankius, nors daugelis tyrimų pradeda daryti proveržį dekonstruojant NeRF neuroninio tinklo tiesioginio atvaizdavimo aplinkų matricą.