| 0 |
|
Новая платформа под названием ThreeDWorld (TDW) от исследователей из Массачусетского технологического института (MIT), MIT-IBM Watson AI Lab, Гарвардского и Стэнфордского университетов позволяет создать богатый виртуальный мир, моделируя высококачественное аудиовизуальное окружение, и позволяя объектам и мобильным агентам взаимодействовать, как в реальной жизни.
TDW построена на платформе для видеоигр под названием Unity3D Engine и состоит из двух компонентов: сборки с рендерингом изображений, синтезированным звуком и симуляцией физических процессов; и контроллера — интерфейс на основе Python — в котором пользователь отправляет команды этой сборке.
Для заполнения виртуальной сцены используется обширная библиотека 3D-моделей объектов, таких как мебель, животные и автомобили. Эти модели точно реагируют на изменения освещения, а их физическое поведение определяется материальным составом и ориентацией в сцене.
Синтезировать реалистичный звук TDW позволяют генеративные модели звуков столкновений и других взаимодействий объектов в симуляции. В соответствии с геометрией пространства и положением объектов в нем, платформа имитирует эффекты ослабления шума и реверберации.
За взаимодействие между объектами в TDW отвечают два физических движка — один для жёстких тел, а другой для мягких объектов и жидкостей. TDW выполняет мгновенные вычисления с учётом массы, объёма и плотности, а также трения или других сил, действующих на материалы.
При помощи шлемов и VR-контроллеров пользователи могут взаимодействовать с виртуальной средой, в том числе для генерирования данных о поведении человека для тренировки моделей машинного обучения.
Чтобы продемонстрировать уникальные возможности TDW, команда провела серию тестов, сравнивая наборы данных, созданные TDW и другими виртуальными симуляторами. Снятые с разных точек изображения сцены из TDW, превзошли снимки из других симуляторов по обеспечиваемому ими качеству обучения нейросети классификации изображений, которая приблизилась к аналогичным системам, обученным на реальных изображениях.
Модель распознавания материала по звуку падения на его поверхность небольшого предмета, обученная на симуляциях TDW, существенно превзошла соперников. Кроме того, с TDW оказалось значительно проще тестировать, насколько хорошо модель или алгоритм делает физические прогнозы или оценивает социальные взаимодействия в различных сценариях.
Расширяя возможности физического моделирования TDW для более точного изображения реального мира, исследователи пытаются «создать новые тесты для продвижения ИИ-технологий и использовать эти тесты, чтобы подступиться к множеству новых проблем, до сих пор остававшихся трудными для изучения».
Стратегія охолодження ЦОД для епохи AI
| 0 |
|
