2021年3月3日 ，实时3D内容创作和运营平台Unity（NYSE：U）发布了Object Pose Estimation 示例项目(Demo)，该Demo将打算机视觉和仿真技能相结合，展示了Unity人工智能和机器学习功能如何有效地演习机器人，加速其在工业领域的运用落地。就在不久前，Unity推出了支持机器人操作系统(ROS)的最新版本，ROS供应了用于编写机器人程序的灵巧软件架构。这些新工具为机器人专家打开了一扇大门，让他们可以安全、经济、快速地进行机器人运用的研究、测试、开拓与支配办理方案。
Unity人工智能高等副总裁Danny Lange表示：“这个Demo是系统主动学习而非被动编程的有力例证。通过对大量合成数据的学习，系统能够捕捉到具有细微差别的图案，这是任何一个普通程序都无法做到的。它展示了真正的人工智能技能，以及在演习机器人方面可能达到的效率。这些技能加在一起，能够看到我们正不断打破界线。“
在危险、昂贵或分外的情形下测试运用程序时，仿真技能能够发挥很大的浸染。在仿真环境中验证运用程序，可以在程序实际支配到机器人之前就尽早创造潜在问题，大大缩短迭代韶光。Unity内置的物理引擎与Unity编辑器结合，可用于创建出具有无数排列组合办法的虚拟测试环境，测试中的工具可以通过（贴近）现实天下中浸染在物体上的力来掌握。
随着最新的Demo，Unity还发布了一款开源的Unity程序包URDF Importer，可用于将机器人从其URDF文件导入到Unity场景中。Unity中增强的枢纽关头运动支持可以进行更逼真的运动学仿照，此外，Unity的ROS-TCP-Connector还可大幅降落ROS节点和Unity之间的信息延迟，让机器人能够险些实时地相应仿照的环境。Demo还展示了最近发布的Perception SDK中的Unity打算机视觉工具，可以用来创建大量合成的、标记的演习数据，从而演习一个大略的深度学习模型来预测立方体的位置。Demo中供应的教程可帮助开拓者重修该项目，通过运用定制的随机函数发生器可对项目进行扩展，以创建更多繁芜的场景。
通过Unity，我们让人工数据合成变得更加大众化，而且使在虚拟环境中仿照高等交
互成为可能。例如，为自动驾驶车辆或造价高昂的机器人手臂开拓掌握系统时，就不必担心毁坏设备或增加工业安装本钱了。如今人工智能和机器学习的发展，让机器人可以在工业各个领域实行更繁芜的任务，而能够在高保真的虚拟环境中验证运用程序将节省韶光和资金，加快机器人的运用落地。
转载声明：作品来源于网络，不作任何商业用场
