淘宝|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

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。
【淘宝|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】
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。
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。