Para generar datos sintéticos, primero debes crear un gemelo digital del entorno en el que entrenarás tu modelo de IA.
Si entrena un modelo de IA para un robot de almacén, necesitará crear una escena virtual con objetos como transpaletas y estantes de almacenamiento. Si entrena un modelo de IA para la inspección visual en una línea de ensamblaje, necesitará crear una escena virtual con objetos como una cinta transportadora y el producto que se está produciendo.
Uno de los desafíos clave que enfrentan los desarrolladores al desarrollar pipelines de datos sintéticos es cerrar la brecha entre simulación y realidad. Para crear datos sintéticos que reflejen escenarios del mundo real, necesitará aleatorizar su escena para reflejar la gran cantidad de escenarios que un modelo de IA podría encontrar. Esto significa modificar aspectos de la escena como la posición de los objetos, la textura y la iluminación. Es posible que también desees modificar la posición de la cámara y agregar distractores ambientales que puedan afectar el rendimiento del modelo.
Con SDKNVIDIA Omniverse™ Replicator, los desarrolladores pueden crear pipelines personalizados que permiten a los artistas técnicos crear y aleatorizar datos sintéticos para diversos casos de uso de entrenamiento de IA. Omniverse Replicator potencia NVIDIA Isaac Sim™, lo que le permite generar datos sintéticos para aplicaciones de robótica y simulación de vehículos autónomos, que le permite generar datos sintéticos para un desarrollo acelerado.