# Синтетические данные и будущее робототехники: Билл Васс о RoboMaker, World Forge и кейсах Amazon

Источник: https://www.youtube.com/watch?v=z25LwTtXdjE
Канал: The TWIML AI Podcast
Опубликовано: 22.08.2022

---

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
[[JUMP:05:41]]

Билл Васс начал свою карьеру в области автономных систем еще в 1978 году, занимаясь подводными роботами [06:05]. 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 [06:08].

По мнению Билла Васса, фундаментальные принципы нейронных сетей с тех пор изменились не так радикально, как вычислительные мощности и объемы хранения [06:47]. 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 [07:27].
*   **Сенсорная точность:** Для обучения робота необходимо, чтобы разрешение синтетических данных точно соответствовало реальным сенсорам (камерам 4K, лидарам, радарам) [09:54]. Если обучать модель на данных 720p, а использовать на 4K-сенсоре, возникнет критическое расхождение [10:07].

## 🏗️ Продукты экосистемы AWS для симуляции
[[JUMP:08:16]]

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» [08:33].
*   **SageMaker Ground Truth Synthetic:** Инструмент для создания фотореалистичных 2D-изображений (например, падающих посылок или деталей двигателей) с использованием физических движков [13:35].
*   **World Forge:** Система процедурной генерации 3D-миров, позволяющая создавать тысячи уникальных планировок домов для обучения домашних роботов [16:25].
*   **Kinesis Video Streams (KVS):** Используется для передачи потоковых данных (видео, лидар, радар) с роботов в облако для последующего анализа [10:45].
*   **TwinMaker:** Сервис для создания цифровых двойников заводов, объединяющий данные от различных производителей компонентов (Siemens, Ansys) в единую модель оптимизации [38:24].

## 🏠 Кейс Astro и IRobot: Роботы в виртуальных домах
[[JUMP:16:53]]

Домашний робот Astro от Amazon и пылесосы IRobot обучаются в виртуальных пространствах, созданных с помощью World Forge.

1.  **Процедурная генерация:** Вместо того чтобы вручную рисовать каждый дом, разработчики задают параметры: количество спален, тип мебели, текстуру пола [18:34].
2.  **Интеллектуальное размещение:** Алгоритм гарантирует, что стол не окажется перед дверным проемом, сохраняя реалистичность планировки [19:01].
3.  **Масштабируемость:** Билл Васс отмечает, что симуляция позволяет проехать годовой маршрут по 100 разным домам всего за один час реального времени [17:44].

Сам Astro использует комбинацию локальных моделей SLAM (одновременная локализация и картографирование) и облачных интерфейсов (Alexa, Lambda, Lex, Polly) [23:50]. При первом запуске робот строит карту, курсируя между док-станцией и каждой комнатой, после чего просит владельца провести «экскурсию» для именования локаций [21:28].

## 🛠️ Борьба с дефектами: От молотка к CAD-модели
[[JUMP: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 [11:26].
*   **Титановые детали самолетов:** Раньше инженеры вручную били молотком по 30 000 деталей, чтобы сфотографировать повреждения. Теперь дефекты вносятся виртуально в CAD-модели [25:09].
*   **Пищевое производство:** Для обучения робота-сортировщика AWS генерировала синтетические изображения «плохих» и «хороших» куриных наггетсов [24:56].

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 [28:09].

## 🚀 Космос, медицина и будущее автопилотов
[[JUMP: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 [32:07]. Также существует симулятор для отработки стыковки космических аппаратов в условиях нулевой гравитации [33:14].
*   **Медицина:** Роботы для УФ-стерилизации обучаются на виртуальных моделях больниц, включая умение вызывать лифт и работать только в отсутствие людей [32:34].
*   **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 [37:33].

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 [39:17].