文章图片



过去针对机器人学习推出Isaac Sim训练平台 ， 后续更针对自驾车提出DRIVE Sim训练平台之后 ， NVIDIA进一步提出Omniverse Replicator训练资料生成引擎 ， 借由产生符合真实物理状态的模拟合成资料 ， 让Isaac Sim、DRIVE Sim能以此加速训练深度神经网络 ， 以此减少持续搜集更多训练资料所需花费成本 。

依照训练原则 ， 无论是Isaac Sim或DRIVE Sim都需要数据作为支撑 ， 而要让机器人或车辆有更精准的运作表现 ， 意味需要更多数据进行训练 ， 因此在过去的作法就需要持续累积更多有用资料 ， 如此才能让机器人或车辆正确学习训练 。而此次提出的Omniverse Replicator训练数据生成引擎 ， 则是可运用既有数据 ， 持续生成能用于训练的合成资料 ， 并且符合真实物理状态 ， 借此让机器人、车辆可利用这些数据持续进行训练 ， 之后具有一定自主运作能力时 ， 即可应用在真实世界 ， 或是持续在真实世界进行更精准训练 。

除了可以填补训练数据不足问题 ， Omniverse Replicator更可解决在真实世界也难以补齐的数据落差情况 ， 例如让地处炎热地带的开发者能模拟雪地环境中的训练需求 ， 借此让旗下生产自动化机器人能够顺利在寒冷环境正常运作 。
另一方面 ， 通过合成数据自动生成方式 ， 亦可降低原本累积资料所需人力、时间等成本 ， 同时也能确保合成数据正确性 ， 甚至可以通过大量生成方式缩减机器人或车辆训练所需时间 。
【飞利浦·斯塔克|NVIDIA通过自动生成符合真实的物理数据，加速机器人、车辆训练】Omniverse Replicator训练数据生成引擎预计从明年开始向开发人员提供使用 ， 使其可建立对应特定领域的数据生成引擎 。

稿源：(科技洞见未来)

【傻大方】网址：http://www.shadafang.com/c/110c52Q92021.html

标题：飞利浦·斯塔克|NVIDIA通过自动生成符合真实的物理数据，加速机器人、车辆训练