Zum Generieren von synthetischen Daten müssen Sie zunächst einen digitalen Zwilling der Umgebung erstellen, in der Sie Ihr KI-Modell trainieren.
Zum Trainieren eines KI-Modells für einen Lagerrobotermüssen Sie eine virtuelle Szene mit Objekten wie Hubwagen und Lagerregalen erstellen. Zum Trainieren eines KI-Modells für die visuelle Inspektion an einem Fließband müssen Sie eine virtuelle Szene mit Objekten wie einem Förderband und dem zu produzierenden Produkt erstellen.
Eine der größten Herausforderungen für Entwickler bei der Entwicklung synthetischer Datenpipelines ist das Schließen der Sim-to-Real-Lücke. Um synthetische Daten zu erstellen, die reale Szenarien widerspiegeln, müssen Sie Ihre Szene randomisieren, um die Vielzahl von Szenarien widerzuspiegeln, denen ein KI-Modell begegnen kann. Demnach werden bestimmte Aspekte der Szene, z. B. die Position von Objekten, Textur und Beleuchtung, geändert. Möglicherweise möchten Sie auch die Kameraposition ändern und störende Umgebungseffekte hinzufügen, die sich auf die Leistung des Modells auswirken können.
Mit NVIDIA Omniverse™ Replicator SDK können Entwickler benutzerdefinierte Pipelines erstellen, mit denen technische Künstler synthetische Daten für verschiedene Anwendungsfälle beim KI-Training erstellen und randomisieren können. Omniverse Replicator unterstützt NVIDIA Isaac Sim™, sodass Sie synthetische Daten für Robotikanwendungen und die Simulation für autonome Fahrzeuge generieren und somit letztendlich synthetische Daten für eine beschleunigte Entwicklung generieren können.