展覽 市場動態 生活 網路 觀察

NVIDIA透過Omniverse Replicator自動產生符合真實物理資料,加速機器人、車輛訓練

過去針對機器人學習推出Isaac Sim訓練平台,後續更針對自駕車提出DRIVE Sim訓練平台之後,NVIDIA進一步提出Omniverse Replicator訓練資料生成引擎,藉由產生符合真實物理狀態的模擬合成資料,讓Isaac Sim、DRIVE Sim能以此加速訓練深度神經網路,藉此減少持續蒐集更多訓練資料所需花費成本。

-

依照訓練原則,無論是Isaac Sim或DRIVE Sim都需要資料作為支撐,而要讓機器人或車輛有更精準的運作表現,意味需要更多資料進行訓練,因此在過去的作法就需要持續累積更多有用資料,如此才能讓機器人或車輛正確學習訓練。

而此次提出的Omniverse Replicator訓練資料生成引擎,則是可運用既有資料,持續生成能用於訓練的合成資料,並且符合真實物理狀態,藉此讓機器人、車輛可利用這些資料持續進行訓練,之後具有一定自主運作能力時,即可應用在真實世界,或是持續在真實世界進行更精準訓練。

-

除了可以填補訓練資料不足問題,Omniverse Replicator更可解決在真實世界也難以補齊的資料落差情況,例如讓地處炎熱地帶的開發者能模擬雪地環境中的訓練需求,藉此讓旗下生產自動化機器人能夠順利在寒冷環境正常運作。

另一方面,透過合成資料自動生成方式,亦可降低原本累積資料所需人力、時間等成本,同時也能確保合成資料正確性,甚至可以透過大量生成方式縮減機器人或車輛訓練所需時間。

-

Omniverse Replicator訓練資料生成引擎預計從明年開始向開發人員提供使用,使其可建立對應特定領域的資料生成引擎。

楊又肇 (Mash Yang)
mashdigi.com網站創辦人兼主筆,同時也是科技新聞業流浪漢。

發表迴響