Сила Unity в ИИ

С 2018 года Cross Compass интегрировала Unity в процесс нескольких своих консультационных услуг для производственной сферы, чтобы безопасно обучать и проверять алгоритмы ИИ перед развертыванием. Читать дальше, чтобы узнать, как эта компания ИИ начала использовать игровые технологии для добавления ценности в такую зрелую отрасль.

Cross Compass является ведущей компанией ИИ, предоставляющей современные решения мировым лидерам в производстве, робототехнике, играх, здравоохранении, дизайне и маркетинге. Основанная в Токио в 2015 году, Cross Compass разрабатывает передовые методы в области глубокого обучения, машинного обучения и искусственной жизни, чтобы повысить безопасность, качество и производительность на благо общества.

Мы пригласили их поделиться своими словами о том, почему они приняли Unity и как это помогает им предоставлять следующие преимущества:

• Предлагает платформу для обсуждения спецификаций и прогресса с клиентами и партнерами
• Избегает многих проверок безопасности, необходимых для настройки среды сбора данных
• Предоставляет неограниченное количество данных для обучения и тестирования ИИ
• Позволяет быстрее проводить итеративные циклы обучения и тестирования ИИ в симуляции
• Приводит к предоставлению решений ИИ с более высокой производительностью и качеством конечным пользователям
• Увеличивает ценность человеческого вмешательства, в то время как ИИ надежно выполняет повторяющиеся задачи

Узнайте больше в этом гостевом посте от Cross Compass от Ромена Анженье, руководителя группы симуляции ИИ; Стивена Уэя, глобального дизайнера брендовой идентичности; и Антуана Паскали, технического директора.

Проектирование и развертывание передовых решений ИИ для производственных сред — это сложный процесс. Производственные линии были тщательно оптимизированы и усовершенствованы на протяжении десятилетий. Эксперты разработали, настроили и итеративно доработали каждую деталь от начала до конца, чтобы обеспечить максимальную эффективность, безопасность и стандарты качества, соответствующие строгим требованиям отрасли и жестким графикам поставок. Это приводит к нулевому пространству для экспериментов, нарушений, рисков или непроверенных методов.

ИИ, в сравнении, развивается с невероятной скоростью. Каждый другой день приносит новые исследования о последних методах, расширенных возможностях и новых горизонтах. Однако большая часть этих исследований существует только в лаборатории, основана на тщательно подобранных данных, которые имеют мало общего с шумными, неструктурированными, неразмеченными или, как часто бывает, с полным отсутствием данных, которые существуют в реальном мире. В резком контрасте с производством, ИИ редко уделяет время для самопроверки в условиях реального мира. Эти две отрасли не могут быть более различными в своих подходах.

В лаборатории достижение 99% точности является похвальным достижением. В производственной среде оставшаяся ошибка в 1% является неприемлемо высоким риском отказа, дефекта или безопасности, который может иметь серьезные последствия в реальном мире. Учитывая эту дихотомию, как мы можем внедрить последние решения ИИ в такую точную, ограниченную среду? И как мы можем экспериментировать, проверять и внедрять решения ИИ таким образом, чтобы не вводить риски, затраты, простои или их комбинацию? Это те вопросы, которые мы задавали себе, когда нам поручили обучение и внедрение ИИ на заводах наших клиентов.

Самым очевидным решением было перенести производственную среду в лабораторию. То есть воссоздать заводской пол в смоделированной среде, где мы можем разрабатывать наши решения ИИ без страха простоя или повреждения современного оборудования.

Смоделированная среда дает нам полный контроль над условиями на заводе, позволяя изменять параметры, экспериментировать, нарушать и проверять наши алгоритмы для исследования новых решений ИИ. Другими словами, симуляция позволяет нам делать все то, что мы не можем сделать в реальном мире.

В 2018 году мы провели анализ решений на рынке, чтобы определить, какая технология лучше всего соответствует нашим потребностям в области симуляции.

Цель заключалась в том, чтобы упростить, ускорить и сделать безопаснее настройку среды, сбор данных и проверку производительности ИИ перед его внедрением на физическом роботе.

Мы начали с изучения движков, специфичных для роботов, предназначенных для симуляции поведения роботов, свойств суставов и зависимостей, а также датчиков. Эти движки чрезвычайно точны с точки зрения физики, управления поведением и низкоуровневой робототехники. Однако, несмотря на их сильную привязанность к реалистичности, мы обнаружили, что этим движкам не хватает гибкости для воссоздания более сложных сцен.

Метеорологическая доменная рандомизация (MDR) для роботизированных приложений. Мы используем Высококачественный рендеринг (HDRP) и рабочий процесс Shader Graph в Unity для создания вариаций в условиях неба, освещении, фонах и текстурах объектов. (С любезного разрешения Cross Compass)

В контексте ИИ, хотя нам действительно нужны точная физика и идеальный контроль над поведением робота, нам также необходимо импортировать широкий спектр объектов различных форм с реалистичными текстурами и визуальными эффектами, такими как освещение, тени, эффекты камеры и так далее.

Здесь мы обнаружили, что игровые движки хорошо реагируют на это разнообразие требований, так как они предлагают простые решения для этих других ограничений. Манипуляция роботом все еще была бы возможна на более высоком уровне контроля, что соответствовало нашей стратегии разработки аппаратно-независимых решений.

Примечательно, что Unity позволила нам сосредоточиться на создании только тех функций, которые необходимы для обучения ИИ на роботах, оставив остальное движку. Чтобы сэкономить время разработки, мы могли напрямую полагаться на его существующий импортёр файлов, систему рендеринга, физический движок, жизненный цикл скриптов, планировщик и варианты развертывания.

Кроме того, Unity предлагает регулярные обновления, а также вклад со стороны сотрудников, чтобы адаптировать движок к более сложным приложениям, таким как наше. Активная поддержка экосистемы Unity обеспечит правильное решение любых потенциальных проблем.

В конце нашего анализа Unity оказалась нашим лучшим вариантом благодаря своей универсальности и возможности эволюции.

Сегодня разработки Unity полностью интегрированы в наши процессы автоматизации производства. С исследовательской стороны мы создаем разнообразные сцены, начиная от подбора и навигации до адаптивного управления на основе обратной связи от датчиков, чтобы протестировать надежность наших алгоритмов ИИ в неожиданных условиях и продвинуть нашу технологию дальше в неизведанную область.

Каждый исследовательский проект возникает из потребности клиента и затем расширяется до более общего решения для решения аналогичных случаев. Мы интегрируем эти решения одно за другим в нашу основную среду симуляции в виде упакованных активов, чтобы поддерживать непрерывный рабочий процесс разработки, совместимость с течением времени и чистый код.

С тех пор как мы начали использовать Unity, мы в основном разрабатывали функции для импорта объектов и частей роботов, создания реалистичных сцен и применения техник доменной рандомизации. Параллельно мы установили коммуникационные протоколы с нашими ИИ и сторонним роботизированным программным обеспечением, а также различные конфигурации симуляции для генерации данных, обучения ИИ, тестирования и валидации в реальном времени для всех сцен.

Unity предлагает необходимую гибкость для таких экспертных разработок, таких как расчет физики независимо от скорости симуляции, что позволяет генерировать точные данные в сто раз быстрее, чем может увидеть глаз. Магазин Asset Store и инструменты от партнеров Unity также предоставляют нам периодические улучшения и функции для более быстрого прогресса.

Unity позволила нам значительно сократить время и затраты, связанные с обучением, тестированием и развертыванием ИИ-решений для наших клиентов и партнеров. Результатом является более высокий уровень безопасности, увеличение ценности человеческого вмешательства на производственном этаже и более качественный продукт, доставляемый конечным пользователям. Физический движок Unity и его функции позволяют нам контролировать каждый аспект смоделированного производственного этажа, что приводит к более точным и надежным ИИ-решениям, чем когда-либо прежде.

Вот общий рабочий процесс использования Unity в наших проектах:

В консалтинговых проектах мы создаем ветви нашей основной среды Unity, где можем свободно работать, чтобы удовлетворить конкретные потребности клиентов, а затем сливаем добавленные функции обратно в основную ветвь. Обычно мы начинаем с создания макета решения, выбирая и настраивая предварительно сконфигурированную сцену с нашими соответствующими активами. Показ демонстрации в симуляции клиентам помогает прояснить спецификации проекта, а также его конечную цель в терминах развертывания на заводе.

Затем мы подготавливаем среду и ИИ для обучения. Симуляция предоставляет нам возможность генерации данных, при которой мы генерируем данные гораздо быстрее, безопаснее и гибче, чем это позволила бы реальная сборка. Только эксперты по ИИ могут определить соответствующую информацию, которую нужно получить из симуляции; однако маркировка данных получается бесплатно. Это означает, что мы можем предоставить ИИ любые данные с максимальной точностью, в то время как в реальном мире те же данные могут быть трудными или даже невозможными для сбора. Более того, нет предела количеству генерируемых данных.

Рандомизация домена применяется к визуальному вводу ИИ. Техники MDR применяются в симуляции, чтобы гарантировать, что ИИ эффективно работает в условиях реального мира. (С любезного разрешения Cross Compass)

На этом этапе мы тестируем наши модели и точно настраиваем их точность в пределах заданной клиентом погрешности, чтобы обеспечить надежное окончательное решение. Для этого нам нужно обучить наши ИИ, чтобы они были эффективны в реальном мире, при неожиданных изменениях света и шума, получаемых камерами и другими датчиками. Наш упакованный актив для рандомизации доменов был специально разработан для устранения этого разрыва. Затем мы проверяем наши ИИ в режиме реального времени. Это также используется для демонстрации решения ИИ клиентам.

Наконец, мы развертываем на заводе. Наши инженеры-робототехники, с помощью системных интеграторов, подготавливают, в зависимости от количества развертываемых элементов, либо испытательный стенд, либо финальную систему непосредственно на месте у клиента. Инженеры ИИ проводят первые тесты, и обычно член нашей команды по симуляции также посещает, чтобы проверить соответствие смоделированной сцене, использованной для обучения. Это позволяет быстро вносить изменения, если необходимо, перед отправкой финального ИИ, обученного на гораздо большем наборе данных, перед тем как в конечном итоге обучить техников завода, как использовать их новообретенные алгоритмы ИИ.

Эволюция нашего решения по сбору с версий 1.0 до 3.0. Версия 1 воспроизводила реалистичные физические условия при сборе объектов из ведра. Версия 2 сосредоточилась на симуляции робота и захватов. Затем MDR был разработан и применен в версии 3. Техники ИИ также были усовершенствованы на протяжении каждой версии, как можно увидеть в виджетах камеры. (С любезного разрешения Cross Compass) Unity находится в процессе разработки так же, как и наше собственное развитие, и наша кодовая база и процессы улучшаются с каждым новым проектом. Мы еще не сталкивались с вызовом, который не можем решить с помощью Unity и нашего опыта.

---

Начните работать с Unity Industry.