Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

自律マシン用の物理 AI モデルをトレーニングする際の課題は、合成データの使用によって解決されています。現実世界のデータに代わるこのデータにより、開発者はプライバシーの懸念や新しいシナリオのデータが存在しないなどの理由で妨げられる、大規模で多様なデータセットの取得の制限を克服できます。デジタル ツインとコンピューター シミュレーションを使用することで、さまざまなパラメーターを変更して、より一般化されたモデルの作成に役立つ広範なデータセットを生成できます。

より効率的なデータ生成を追求する上で、生成 AI が重要な役割を果たしています。仮想環境内のオブジェクトのさまざまな属性を再現してランダム化する従来の合成データ生成プロセスは、生成 AI によって合理化されています。このテクノロジーにより、高品質のビジュアル コンテンツを迅速に作成できるようになり、シーンの構築とパラメーターのランダム化に必要な手作業が削減されます。開発者は、テキストベースのプロンプトを使用して、リアルな詳細を画像にすばやく取り入れることができるため、多様なデータセットの作成が大幅にスピードアップします。

生成AIリファレンス ワークフローを使用した合成データ生成は、ロボット工学やスマート スペースのコンピューター ビジョン モデルに取り組む開発者向けのリソースです。シーンの作成、ドメインのランダム化、データ生成、データ拡張を含む包括的なプロセスの概要を示します。Edify や USD Code NIM などのコア テクノロジーは、3D アセットの生成とドメインのランダム化の実行機能で注目されています。このワークフローは、AI モデルのトレーニングを加速し、プライバシーとセキュリティを強化し、モデルの精度を高め、さまざまな業界にわたってスケーラビリティを実現することを目的としています。

開発者は、リファレンス ワークフローを活用してカスタム合成データ生成パイプラインを開発することをお勧めします。そうすることで、AI モデル開発の高速化、データ取得とラベル付けのコスト削減、多様なデータ セットでトレーニングされたより正確な AI モデルの作成などのメリットが期待できます。ワークフロー ガイドは、AI モデルのトレーニング プロセスを改善したいと考えている人のためのステップ バイ ステップのリソースとして設計されています。