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将计算机视觉和仿真技术相结合，展示了Unity人工智能和机器学习功能如何有效地训练机器人，加速其在工业领域的应用落地。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提供了用于编写机器人程序的灵活软件架构。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、快速地进行机器人应用的研究、测试、开发与部署解决方案。

Unity人工智能高级副总裁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术，以及在训练机器人方面可能达到的效率。这些技术加在一起，能够看到我们正不断突破界限。“

在危险、昂贵或特殊的情况下测试应用程序时，仿真技术能够发挥很大的作用。在仿真环境中验证应用程序，可以在程序实际部署到机器人之前就尽早发现潜在问题，大大缩短迭代时间。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方式的虚拟测试环境，测试中的对象可以通过（贴近）现实世界中作用在物体上的力来控制。

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中增强的关节运动支持可以进行更逼真的运动学模拟，此外，Unity的ROS-TCP-Connector还可大幅降低ROS节点和Unity之间的信息延迟，让机器人能够几乎实时地响应模拟的环境。Demo还展示了最近发布的Perception SDK中的Unity计算机视觉工具，可以用来创建大量合成的、标记的训练数据，从而训练一个简单的深度学习模型来预测立方体的位置。Demo中提供的教程可帮助开发者重建该项目，通过应用定制的随机函数发生器可对项目进行扩展，以创建更多复杂的场景。

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模拟高级交

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发控制系统时，就不必担心破坏设备或增加工业安装成本了。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执行更复杂的任务，而能够在高保真的虚拟环境中验证应用程序将节省时间和资金，加快机器人的应用落地。

转载声明：作品来源于网络，不作任何商业用途