Generatived（Beta）｜生成AIの最新ニュースとトレンドを提供

ロボットや自律走行車の開発に不可欠な物理 AI モデルのトレーニングは、多様で広範なデータセットの不足により、しばしば課題に直面します。従来のデータ収集方法は、プライバシーの問題、高コスト、および既存のデータを幅広いシナリオに適用できる範囲が限られていることが障害となっています。これらの問題に対処するため、デジタル ツイン シミュレーションを通じて合成データが生成されており、これは現在 NVIDIA Cosmos によって強化されています。このアプローチにより、多数のパラメーターを変更することで多様なデータセットを迅速に作成でき、より汎用的な AI モデルの開発に役立ちます。

AI モデルのトレーニングにおける物理的な精度の追求は、合成データ生成 (SDG) プロセスを効率化する生成 AI の使用によって加速されています。開発者はまず、仮想環境でオブジェクトを再現し、デジタル レプリカが現実世界のオブジェクトと一致するようにします。ドメインのランダム化により、さまざまな注釈付き画像が生成され、モデルの一般化能力が向上します。生成AI は、画像パラメータの変更を自動化することでこのプロセスをさらに簡素化し、手作業を減らしてデータセットの作成を加速します。

ジェネレーティブ AI の機能は、Edify や SDXML などの高度な拡散モデルを利用して、テキストや画像の説明から高品質のビジュアル コンテンツを生成する際に発揮されます。これらのモデルは、画像パラメータをプログラムで変更するのに長けており、手作業の労力を大幅に削減します。さらに、ジェネレーティブ AI は、3D シーン全体を変更する必要なく、効率的な画像拡張を可能にし、開発者が画像にリアルなディテールをすばやく取り入れることを可能にします。

ロボット工学やスマート スペースでコンピューター ビジョン モデルをトレーニングしようとしている開発者は、 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のメリットを享受できます。このワークフローには、Edify、USD コード、Omniverse Replicator などのコア テクノロジーを活用したシーン作成、ドメインのランダム化、データ生成、データ拡張が含まれます。このガイドに従うことで、開発者はカスタム SDG パイプラインを作成でき、AI モデルのトレーニングの高速化、プライバシーとセキュリティの強化、モデル精度の向上、スケーラブルなデータ生成が可能になります。