Unity Przedstawia Postępy w Przemyśle Robotyki z Nowymi Wersjami

Unity jest jedną z wiodących platform do tworzenia i obsługi treści 3D w czasie rzeczywistym, czyli RT3D. Firma ogłosiła niedawno swój system Object Pose Estimation, który ma na celu udoskonalenie przemysłu robotyki, szczególnie w środowisku przemysłowym, za pomocą technologii komputerowego widzenia i symulacji.

Demonstracja Pozycji Obiektu

Demonstracja Pozycji Obiektu odbyła się wraz z odpowiednią demonstracją, pokazującą, jak roboty mogą uczyć się za pomocą danych syntetycznych.

Dr Danny Lange jest Starszym Wiceprezesem ds. Sztucznej Inteligencji w Unity.

„To jest potężny przykład systemu, który uczy się zamiast być programowany, a gdy uczy się z danych syntetycznych, jest w stanie przechwycić znacznie bardziej nuansowane wzorce niż jakikolwiek programista mógłby kiedykolwiek,” powiedział. „Nakładanie naszych technologii razem pokazuje, jak przekraczamy granicę, i zaczynamy mieć do czynienia z czymś, co jest prawdziwie sztuczną inteligencją, i w tym przypadku demonstrujemy wydajność możliwą w szkoleniu robotów.”

Gdy Dr Lange odnosi się do nakładania technologii firmy, odnosi się częściowo do niedawnych wersji Unity, które obsługują Robot Operating System (ROS), który jest elastycznym frameworkiem do tworzenia oprogramowania robota.

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

Budowanie na Poprzednich Wersjach

Przed wydaniem demonstracji Object Pose Estimation, Unity wydał importer URDF, pakiet open-source Unity, wraz z ROS-TCP-Connector, który ma na celu znaczne zmniejszenie opóźnień wiadomości między węzłami ROS i Unity. To umożliwia robotowi działającemu w środowisku symulowanym działać w czasie rzeczywistym.

Technologia symulacji jest często wykorzystywana podczas testowania aplikacji w niebezpiecznych, drogich lub rzadkich sytuacjach. Poprzez wykorzystanie symulacji, aplikacje mogą być walidowane przed wdrożeniem do robota, co umożliwia wczesne wykrywanie potencjalnych problemów. Poprzez połączenie wbudowanego silnika fizycznego Unity i edytora Unity, może istnieć nieograniczona liczba wirtualnych środowisk.

Z połączeniem tych narzędzi, demonstracja pokazała, jak można utworzyć duże ilości syntetycznych, oznaczonych danych szkoleniowych. Następnie zostały one wykorzystane do szkolenia prostego modelu głębokiego uczenia, aby przewidzieć pozycję sześcianu. Demo zapewniło samouczek dla tych, którzy chcieli odtworzyć projekt.

„Z Unity, nie tylko zdemokratyzowaliśmy tworzenie danych, ale również zapewniliśmy dostęp do interaktywnego systemu symulującego zaawansowane interakcje w wirtualnym środowisku,” kontynuował Lange.

„Można rozwijać systemy sterowania dla pojazdów autonomicznych, na przykład, lub tutaj dla bardzo drogich ramion robota, bez ryzyka uszkodzenia sprzętu lub znacznego zwiększenia kosztów instalacji przemysłowych. Możliwość udowodnienia ryzyka zamierzonych aplikacji w wysokiej wierności wirtualnym środowisku zaoszczędzi czas i pieniądze dla wielu branż, które mają być przekształcone przez robotykę w połączeniu z AI i Machine Learning.”