Сила Unity в искусственном интеллекте

С 2018 года компания Cross Compass интегрировала Unity в ряд своих консалтинговых услуг для производственной сферы для безопасного обучения и проверки алгоритмов искусственного интеллекта перед внедрением. Читайте далее, чтобы узнать, как эта компания, занимающаяся разработкой искусственного интеллекта, решила использовать игровые технологии для повышения ценности столь развитой отрасли.

Cross Compass - ведущая компания в области искусственного интеллекта, предоставляющая самые современные решения мировым лидерам в области производства, робототехники, игр, здравоохранения, дизайна и маркетинга. Компания Cross Compass, основанная в Токио в 2015 году, разрабатывает передовые технологии в области глубокого обучения, машинного обучения и искусственной жизни, чтобы повысить безопасность, качество и производительность на благо общества.

Мы предложили им рассказать своими словами, почему они выбрали Unity и как она помогает им реализовать следующие преимущества:

• Предоставляет платформу для обсуждения спецификаций и хода работ с клиентами и партнерами
• Позволяет избежать многих проверок безопасности, необходимых для настройки среды сбора данных
• Предоставляет неограниченный объем данных для обучения и тестирования ИИ
• Позволяет ускорить итерационные циклы обучения и тестирования ИИ в симуляции
• Обеспечивает предоставление конечным пользователям решений на основе искусственного интеллекта с более высокой производительностью и качеством
• Повышает ценность человеческого вмешательства, в то время как ИИ надежно справляется с повторяющимися задачами

Подробнее об этом - в гостевой заметке руководителя группы моделирования искусственного интеллекта Ромена Анженье (Romain Angénieux), дизайнера глобального фирменного стиля Стивена Вей (Steven Weigh) и директора по технологиям Антуана Паскуали (Antoine Pasquali).

Разработка и внедрение передовых решений на основе искусственного интеллекта в производственной среде - сложный процесс. Производственные линии тщательно оптимизировались и совершенствовались на протяжении десятилетий. Специалисты разработали, отладили и проработали каждую деталь, чтобы обеспечить высочайшую эффективность, безопасность и стандарты качества, соответствующие строгим отраслевым требованиям и жестким графикам поставок. В результате не остается места для экспериментов, срывов, рисков и непроверенных методов.

ИИ, по сравнению с этим, развивается со скоростью света. Каждый день приносит новые исследования новейших методов, расширяет возможности и открывает новые горизонты. Однако большинство этих исследований существует только в лабораториях, построенных на тщательно обработанных данных, которые мало похожи на шумные, неструктурированные, немаркированные или, как это часто бывает, полностью отсутствующие данные, существующие в реальном мире. В отличие от производства, ИИ редко уделяет время проверке своих возможностей в реальных условиях. Эти две отрасли не могут быть более разными в своих подходах.

В лаборатории достижение 99% точности - это похвальное достижение. В производственной среде оставшийся 1% ошибок - это неприемлемо высокий риск отказа, дефекта или безопасности, который может иметь серьезные последствия в реальном мире. Учитывая эту дихотомию, как мы можем внедрить новейшие решения в области ИИ в такую точную и ограниченную среду? И как мы можем экспериментировать с решениями ИИ, проверять их и внедрять таким образом, чтобы не было рисков, затрат, простоев или сочетания всех этих трех факторов? Именно эти вопросы мы задавали себе, когда нам поручили обучить и внедрить искусственный интеллект на производственных площадках наших клиентов.

Самым очевидным решением было перенести производственные условия в лабораторию. То есть воссоздать заводской цех в симулированной среде, где мы можем разрабатывать наши решения на основе искусственного интеллекта, не опасаясь простоев или повреждения современного оборудования.

Симулированная среда дает нам полный контроль над заводскими условиями, позволяя изменять параметры, экспериментировать, нарушать и проверять наши алгоритмы, чтобы исследовать новые решения ИИ. Другими словами, симуляция позволяет нам делать все то, что мы не можем делать в реальном мире.

В 2018 году мы провели анализ представленных на рынке решений, чтобы определить, какая технология будет лучше всего соответствовать нашим потребностям в области моделирования.

Цель заключалась в том, чтобы сделать настройку среды, сбор данных и проверку работы ИИ до его внедрения на физическом роботе более простой, быстрой и безопасной.

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

Метеорологическая рандомизация (MDR) для робототехнических приложений. Мы используем конвейер рендеринга Unity High Definition Render Pipeline (HDRP) и рабочий процесс Shader Graph для создания вариаций неба, освещения, фона и текстур объектов. (Любезно предоставлено Cross Compass)

В контексте ИИ, хотя нам действительно требуется 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 свет, тени, эффекты камеры и так далее.

Мы обнаружили, что игровые движки хорошо отвечают на эти разнообразные требования, поскольку предлагают простые ответы на эти другие ограничения. Манипулирование роботом было бы возможно на более высоком уровне управления, что соответствовало нашей стратегии разработки решений, не зависящих от аппаратного обеспечения.

Примечательно, что Unity позволила нам сосредоточиться на создании только тех функций, которые необходимы для обучения ИИ роботов, а все остальное оставить на усмотрение движка. Чтобы сэкономить время разработки, мы могли напрямую использовать существующий импортер файлов, систему рендеринга, физический движок, жизненный цикл сценария, планировщик и возможности развертывания.

Кроме того, Unity предлагает регулярные обновления, а также вклад соавторов в адаптацию движка к более сложным приложениям, таким как наше. Активная поддержка экосистемы Unity гарантирует, что любая потенциальная проблема будет решена должным образом.

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

Сегодня разработки Unity полностью интегрированы в наши процессы автоматизации производства. В рамках исследований мы создаем различные сцены, начиная от подбора и заканчивая навигацией и адаптивным управлением на основе обратной связи с датчиками, чтобы проверить устойчивость наших алгоритмов AI в неожиданных условиях и продвинуть наши технологии дальше в неизведанные области.

Каждый исследовательский проект исходит из потребностей клиента, а затем расширяется до более общего решения для аналогичных случаев. Мы интегрируем эти решения одно за другим в нашу основную среду моделирования 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 методов рандомизации доменов. Параллельно мы разработали протоколы связи с нашими ИИ и сторонним робототехническим программным обеспечением, а также различные конфигурации симуляторов для генерации данных, обучения ИИ, тестирования и проверки в реальном времени для всех сцен.

Unity предлагает необходимую гибкость для таких экспертных разработок, например, расчет физики не зависит от скорости симуляции, что позволяет генерировать точные данные в сотни раз быстрее, чем видит глаз. Магазин ассетов и инструменты от партнеров Unity также предоставляют нам периодические исправления и функции для ускорения продвижения.

Unity позволила нам значительно сократить время и затраты на обучение, тестирование и развертывание решений в области искусственного интеллекта для наших клиентов и партнеров. В результате повышается уровень безопасности, увеличивается ценность человеческого вмешательства на производстве, а конечный потребитель получает продукт более высокого качества. Физический движок и функции Unity позволяют нам контролировать каждый аспект симуляции заводского цеха, что дает возможность создавать более точные и надежные решения в области искусственного интеллекта, чем когда-либо прежде.

Вот общий порядок работы при использовании Unity в наших проектах:

В консалтинговых проектах мы создаем ответвления от нашей основной среды Unity, где можем свободно работать над удовлетворением конкретных потребностей клиентов, а затем объединяем добавленные функции с основной веткой. Как правило, мы начинаем с создания макета решения, выбирая и настраивая предварительно сконфигурированную сцену с соответствующими активами. Демонстрация симулятора клиентам помогает уточнить спецификацию проекта, а также его конечную цель с точки зрения внедрения на заводе.

Затем мы подготавливаем среду и ИИ к обучению. Моделирование дает нам возможность генерировать данные гораздо быстрее, безопаснее и гибче, чем это можно сделать в реальном мире. Только специалисты по искусственному интеллекту могут сказать, какую информацию следует получить из симуляции; однако лендинг данных можно получить бесплатно. Это означает, что мы можем предоставить ИИ любые данные с высочайшей точностью, в то время как в реальном мире собрать такие же данные может быть сложно или даже невозможно. Кроме того, объем генерируемых данных не ограничен.

Рандомизация доменов, применяемая к визуальному входу ИИ. Методы MDR применяются при моделировании, чтобы обеспечить эффективную работу ИИ в реальных условиях. (Любезно предоставлено Cross Compass)

На этом этапе мы тестируем наши модели и настраиваем их точность в соответствии с заданной клиентом погрешностью, чтобы обеспечить надежное окончательное решение. Для этого нам нужно обучить ИИ так, чтобы он был эффективен в реальном мире, при неожиданных изменениях освещенности и шума, получаемых камерами и другими датчиками. Наш пакет для рандомизации доменов был специально разработан для устранения этого пробела. Затем мы проверяем наши ИИ в режиме моделирования в реальном времени. Это также используется для демонстрации ИИ-решений клиентам.

Наконец, мы развертываем фабрику. Наши инженеры-робототехники при содействии системных интеграторов готовят, в зависимости от количества элементов развертывания, либо испытательный стенд, либо конечную систему непосредственно на объекте заказчика. Инженеры по искусственному интеллекту проводят первые тесты, и, как правило, их посещает также член нашей команды по моделированию, чтобы проверить соответствие моделируемой сцены, используемой для обучения. Это позволяет при необходимости быстро внести коррективы, прежде чем отправить окончательный вариант ИИ, обученный на гораздо большем наборе данных, а затем проинструктировать технических специалистов завода о том, как использовать недавно приобретенные алгоритмы ИИ.

Эволюция нашего решения по подбору персонала в версиях от 1.0 до 3.0. В версии 1 воспроизведены реалистичные физические условия при сборе предметов из ведра. В версии 2 основное внимание уделялось моделированию робота и захватов. Затем MDR была разработана и применена в версии 3. Технологии искусственного интеллекта также совершенствовались в каждой версии, что можно заметить по виджетам камеры. (Любезно предоставлено Cross Compass) Unity находится в процессе разработки, так же как и наша собственная разработка, и наша кодовая база и процессы улучшаются с каждым новым проектом. Мы еще не сталкивались с задачей, которую не смогли бы решить с помощью Unity и нашего опыта.

---

Приступайте к моделированию робототехники с помощью Unity.