Unity Avança na Indústria de Robótica com Novos Lançamentos

A Unity é uma das principais plataformas para desenvolver e operar conteúdo 3D em tempo real, ou RT3D. A empresa acaba de anunciar seu Object Pose Estimation, que visa melhorar a indústria de robótica, especificamente em ambientes industriais, por meio do uso de visão computacional e tecnologias de simulação.

Demonstração do Object Pose

A Demonstração do Object Pose ocorreu ao lado de uma demonstração correspondente, mostrando como os robôs podem aprender por meio de dados sintéticos.

O Dr. Danny Lange é Vice-Presidente Sênior de Inteligência Artificial da Unity.

“Este é um exemplo poderoso de um sistema que aprende em vez de ser programado, e à medida que aprende com os dados sintéticos, é capaz de capturar padrões muito mais sutis do que qualquer programador poderia”, disse ele. “Camadas de tecnologias juntas mostram como estamos cruzando uma linha, e estamos começando a lidar com algo que é verdadeiramente IA, e neste caso, demonstrando as eficiências possíveis no treinamento de robôs.”

Quando o Dr. Lange se refere à camada de tecnologias da empresa, ele está se referindo em parte aos lançamentos recentes da Unity que suportam o Robot Operating System (ROS), que é um framework flexível para desenvolver software de robô.

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

Construindo em Lançamentos Anteriores

Antes do lançamento da demonstração do Object Pose Estimation, a Unity lançou o Importador URDF da empresa, um pacote de código aberto da Unity, juntamente com o ROS-TCP-Connector, que visa reduzir drasticamente a latência das mensagens entre os nós ROS e a Unity. Isso permite que o robô operando em um ambiente simulado atue em tempo quase real.

A tecnologia de simulação é frequentemente usada quando se testam aplicações em situações perigosas, caras ou raras. Ao usar a simulação, as aplicações podem ser validadas antes de serem implantadas no robô, o que permite a detecção antecipada de problemas potenciais. Ao combinar o mecanismo de física integrado da Unity e o Editor da Unity, pode haver um número infinito de ambientes virtuais.

Com a combinação dessas ferramentas, a demonstração mostrou como grandes quantidades de dados de treinamento sintéticos rotulados podem ser criadas. Em seguida, foi usado para treinar um modelo de aprendizado profundo simples para prever a posição de um cubo. A demonstração forneceu um tutorial para aqueles que desejam recriar o projeto.

“Com a Unity, não apenas democratizamos a criação de dados, mas também fornecemos acesso a um sistema interativo para simular interações avançadas em um ambiente virtual”, continuou Lange.

“Você pode desenvolver os sistemas de controle para um veículo autônomo, por exemplo, ou aqui para braços robóticos muito caros, sem o risco de danificar equipamentos ou aumentar dramaticamente o custo de instalações industriais. Ser capaz de provar o risco de aplicações pretendidas em um ambiente virtual de alta fidelidade economizará tempo e dinheiro para muitas indústrias que estão prontas para ser transformadas pela robótica combinada com IA e Aprendizado de Máquina.”