Pour générer des données synthétiques, il faut commencer par créer un jumeau numérique de l’environnement sur lequel vous allez entraîner votre modèle d’IA.
Si vous entraînez un modèle d’IA pour robot d'entrepôt, vous devrez créer une scène virtuelle contenant des objets tels que des transpalettes ou des rayons de stockage. Si vous entraînez un modèle d'IA pour l'inspection visuelle sur une chaîne d'assemblage, vous devrez créer une scène virtuelle avec des objets tels qu’un tapis roulant et le produit à fabriquer.
Lors de la mise en œuvre de pipelines de données synthétiques, les développeurs sont confrontés à un défi majeur : combler l’écart entre la simulation et la réalité. Pour créer des données synthétiques qui reflètent des situations du monde réel, il faut rendre votre scène aléatoire afin de refléter la pléthore de cas de figure qu’un modèle d’IA est susceptible de rencontrer. Cela implique de modifier divers aspects d’une scène, tels que la position des objets, les textures et l’éclairage. Vous pouvez également changer la position de la caméra et ajouter des distractions environnementales susceptibles d'affecter les performances du modèle.
Avec le SDK NVIDIA Omniverse™ Replicato, les développeurs peuvent créer des pipelines personnalisés qui permettent aux infographistes de créer et de randomiser des données synthétiques pour générer diverses situations d’entraînement de l’IA. Omniverse Replicator alimente NVIDIA Isaac Sim™ vous permettant de générer des données synthétiques pour les applications de robotique et la simulation de véhicules autonomes. Vous pouvez ainsi accélérer votre développement.