Pelatihan model AI fisik, yang penting untuk mengembangkan robot dan kendaraan otonom, sering kali menghadapi tantangan karena kurangnya kumpulan data yang beragam dan luas. Metode pengumpulan data tradisional terhambat oleh masalah privasi, biaya tinggi, dan keterbatasan penerapan data yang ada pada berbagai skenario. Untuk mengatasi masalah ini, data sintetis dihasilkan melalui simulasi kembaran digital, yang kini didukung oleh NVIDIA Cosmos. Pendekatan ini memungkinkan pembuatan kumpulan data yang beragam secara cepat dengan memvariasikan sejumlah besar parameter, yang membantu mengembangkan model AI yang lebih generik.

Pencarian akurasi fisik dalam pelatihan model AI dipercepat dengan penggunaan AI generatif, yang menyederhanakan proses pembuatan data sintetis (SDG). Pengembang pertama-tama membuat ulang objek dalam lingkungan virtual untuk memastikan replika digital sesuai dengan objek di dunia nyata. Pengacakan domain menghasilkan berbagai macam gambar beranotasi, yang meningkatkan kemampuan model untuk melakukan generalisasi. Generative AI semakin menyederhanakan proses ini dengan mengotomatiskan modifikasi parameter gambar, mengurangi pekerjaan manual, dan mempercepat pembuatan kumpulan data.

Kemampuan AI generatif mulai terlihat saat memanfaatkan model difusi canggih seperti Edify dan SDXML untuk menghasilkan konten visual berkualitas tinggi dari deskripsi teks dan gambar. Model-model ini unggul dalam memodifikasi parameter gambar secara terprogram, sehingga mengurangi upaya manual secara signifikan. Selain itu, AI generatif memungkinkan penambahan gambar yang efisien tanpa perlu memodifikasi seluruh adegan 3D, sehingga memungkinkan pengembang untuk dengan cepat menghadirkan detail yang realistis pada gambar.

Pengembang yang ingin melatih model visi komputer dalam robotika dan ruang pintar dapat memperoleh manfaat dari pembuatan data sintetis menggunakan alur kerja referensi Generative AI , yang mencakup pembuatan adegan, pengacakan domain, pembuatan data, dan penambahan data yang memanfaatkan teknologi inti seperti Edify, USD Code, dan Omniverse Replicator. Dengan mengikuti panduan ini, pengembang dapat membuat alur kerja SDG khusus yang memungkinkan pelatihan model AI yang lebih cepat, privasi dan keamanan yang ditingkatkan, akurasi model yang lebih baik, dan pembuatan data yang dapat diskalakan.