Генерация синтетических данных становится фундаментом для нового этапа развития робототехники и автономных систем. В рамках подкаста The TWIML AI Podcast Билл Васс, вице-президент по инжинирингу в Amazon Web Services (AWS), обсудил с ведущим Сэмом Черрингтоном, почему физического мира больше недостаточно для обучения продвинутых нейросетей и как виртуальные вселенные ускоряют прогресс ИИ.
🤖 От «искусственной глупости» к плотным данным 5:41
Билл Васс начал свою карьеру в области автономных систем еще в 1978 году, занимаясь подводными роботами . В те времена отсутствие GPS заставляло использовать дифференциальные сонары и компасы, а роботы постоянно терялись. Его тогдашний руководитель иронично называл происходящее «искусственной глупостью» вместо интеллекта .
По мнению Билла Васса, фундаментальные принципы нейронных сетей с тех пор изменились не так радикально, как вычислительные мощности и объемы хранения . Ключевым барьером сегодня является «плотность данных» (data density).
- Проблема: Даже у Amazon с миллиардами отправленных посылок недостаточно реальных фотографий объектов во всех возможных ракурсах и условиях освещения .
- Сенсорная точность: Для обучения робота необходимо, чтобы разрешение синтетических данных точно соответствовало реальным сенсорам (камерам 4K, лидарам, радарам) . Если обучать модель на данных 720p, а использовать на 4K-сенсоре, возникнет критическое расхождение .
🏗️ Продукты экосистемы AWS для симуляции 8:16
В ходе беседы были раскрыты кодовые названия и функционал ключевых сервисов:
- RoboMaker (кодовое имя B9): Основная платформа для разработки и тестирования роботов, названная в честь робота из сериала «Затерянные в космосе» .
- SageMaker Ground Truth Synthetic: Инструмент для создания фотореалистичных 2D-изображений (например, падающих посылок или деталей двигателей) с использованием физических движков .
- World Forge: Система процедурной генерации 3D-миров, позволяющая создавать тысячи уникальных планировок домов для обучения домашних роботов .
- Kinesis Video Streams (KVS): Используется для передачи потоковых данных (видео, лидар, радар) с роботов в облако для последующего анализа .
- TwinMaker: Сервис для создания цифровых двойников заводов, объединяющий данные от различных производителей компонентов (Siemens, Ansys) в единую модель оптимизации .
🏠 Кейс Astro и IRobot: Роботы в виртуальных домах 16:53
Домашний робот Astro от Amazon и пылесосы IRobot обучаются в виртуальных пространствах, созданных с помощью World Forge.
- Процедурная генерация: Вместо того чтобы вручную рисовать каждый дом, разработчики задают параметры: количество спален, тип мебели, текстуру пола .
- Интеллектуальное размещение: Алгоритм гарантирует, что стол не окажется перед дверным проемом, сохраняя реалистичность планировки .
- Масштабируемость: Билл Васс отмечает, что симуляция позволяет проехать годовой маршрут по 100 разным домам всего за один час реального времени .
Сам Astro использует комбинацию локальных моделей SLAM (одновременная локализация и картографирование) и облачных интерфейсов (Alexa, Lambda, Lex, Polly) . При первом запуске робот строит карту, курсируя между док-станцией и каждой комнатой, после чего просит владельца провести «экскурсию» для именования локаций .
🛠️ Борьба с дефектами: От молотка к CAD-модели 11:14
Одной из самых сложных задач в ML является поиск редких аномалий (long tail). Билл Васс привел несколько примеров того, как синтетика решает проблему нехватки данных о браке:
- Автомобильные двигатели: Клиенту не хватало 300 реальных фото дефектов для точности выше 90%. С помощью игрового движка Unreal было создано 30-40 тысяч синтетических изображений каждого типа брака под разными углами и освещением .
- Титановые детали самолетов: Раньше инженеры вручную били молотком по 30 000 деталей, чтобы сфотографировать повреждения. Теперь дефекты вносятся виртуально в CAD-модели .
- Пищевое производство: Для обучения робота-сортировщика AWS генерировала синтетические изображения «плохих» и «хороших» куриных наггетсов .
Для компаний, у которых нет своих 3D-художников, AWS предлагает услугу «Artist in the loop» — эксперты помогают создать параметризованные генераторы дефектов на базе Maya или Blender .
🚀 Космос, медицина и будущее автопилотов 32:07
Область применения симуляций выходит далеко за пределы складов:
- Космос: AWS сотрудничает с JPL над симуляцией ландшафтов Марса для марсохода и Луны для будущих миссий . Также существует симулятор для отработки стыковки космических аппаратов в условиях нулевой гравитации .
- Медицина: Роботы для УФ-стерилизации обучаются на виртуальных моделях больниц, включая умение вызывать лифт и работать только в отсутствие людей .
- Автопилоты: Компания Aurora проезжает десятки миллионов миль ежедневно в симуляции. Билл Васс утверждает, что достижение высокого уровня автономии физически невозможно без синтетических сред из-за экономических и временных затрат .
Будущее, по мнению Билла Васса, лежит в интеграции высокопроизводительных вычислений (HPC) и ML. Например, вместо сложного пересчета вычислительной гидродинамики (CFD) для каждой поверхности, модели ИИ смогут мгновенно предсказывать поведение потоков, основываясь на опыте предыдущих симуляций .
