Unity Robotik Endüstrisini Yeni Sürümlerle İlerletiyor

Unity, gerçek zamanlı 3D veya RT3D içeriği geliştirmek ve işletmek için önde gelen platformlardan biridir. Şirket, yakın zamanda Endüstriyel Robotik Endüstrisini, özellikle endüstriyel ortamda, bilgisayar görüşü ve simülasyon teknolojilerinin kullanımını hedefleyen Nesne Pozisyon Tahmini’ni duyurdu.

Nesne Pozisyon Demonstrasyonu

Nesne Pozisyon Demonstrasyonu, sentetik verilerle nasıl robotların öğrenebileceğini gösteren bir demonstrasyonla birlikte gerçekleşti.

Dr. Danny Lange, Unity’nin Yapay Zeka Kıdemli Başkan Yardımcısıdır.

“Bu, programlanmak yerine öğrenen bir sistemin güçlü bir örneğidir ve sentetik verilerden öğrendikçe, herhangi bir programcıdan çok daha nüanslı kalıpları yakalayabilir,” dedi. “Teknolojilerimizi katmanlara ayırarak, bir çizgiyi geçmeye başladığımızı ve gerçekten Yapay Zeka ile ilgilenmeye başladığımızı gösteriyoruz ve bu durumda, robotları eğitmek için mümkün olan verimliliği gösteriyoruz.”

Dr. Lange, şirketin teknolojilerini katmanlara ayırmasından bahsederken, kısmen Unity’nin Robot Operating System (ROS) desteğini sağlayan recent releases’lerine atıfta bulunuyor. ROS, robot yazılımları geliştirmek için esnek bir çerçevedir.

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

Önceki Sürümler Üzerine Kurulma

Nesne Pozisyon Tahmini demo sürümünden önce, Unity, şirketin URDF İthalatçı’sını ve ROS-TCP-Connector’ı yayınladı. Bu, ROS düğümleri ve Unity arasında iletilen mesajların gecikmesini önemli ölçüde azaltmayı hedefliyor. Bu, simüle edilmiş bir ortamda çalışan robota yakın gerçek zamanlı olarak hareket etmesini sağlıyor.

Simülasyon teknolojisi, genellikle tehlikeli, pahalı veya nadir durumlar için test edilen uygulamalar için kullanılır. Simülasyon kullanılarak, uygulamalar robota dağıtmadan önce doğrulanabilir, bu da potansiyel sorunların erken tespitini sağlar. Unity’nin yerleşik fizik motoru ve Unity Editörünün birleştirilmesiyle, sonsuz sayıda sanal ortam oluşturulabilir.

Bu araçların birleşimiyle, demonstrasyon, büyük miktarda sentetik, etiketli eğitim verilerinin nasıl oluşturulabileceğini gösterdi. Daha sonra, bir küpün konumunu tahmin etmek için basit bir derin öğrenme modeli eğitmek için kullanıldı. Demo, projeyi yeniden yaratmak isteyenler için bir öğretici sundu.

“Unity ile, yalnızca veri oluşturmayı demokratikleştirmekle kalmadık, aynı zamanda sanal bir ortamda gelişmiş etkileşimleri simüle etmek için etkileşimli bir sistem sağladık,” Lange devam etti.

“Örneğin, bir otonom aracın kontrol sistemlerini veya burada yüksek maliyetli robotik kollardan bahsettiğimiz gibi, ekipmanları hasar verme riski olmadan veya endüstriyel kurulumların maliyetini dramatik bir şekilde artırma riski olmadan geliştirebilirsiniz. Planlanan uygulamaların riskini yüksek doğrulukta sanal bir ortamda kanıtlamak, robotik, Yapay Zeka ve Makine Öğrenimi ile dönüşmeye hazır birçok endüstri için zaman ve para tasarrufu sağlayacak.”