Physical AIのためのロボット学習用データの生成と活用方法は？


Physical AIが導入され実際の環境とAIが相互作用するためには、モデルがとても高精度に学習していなければなりません。しかし、すべてのベースデータを確保するのは、現実的に不可能に近い話です。こうした中で生成AIは、数少ない実演やベースデータを用いてロボット学習用データを生成し、Physical AIを実現することができます。


シナリオ 


学習用の実環境データを生成するために、生成AIモデルを用意します。Rebellions NPU上で、モデルは様々な物理シミュレーションが反映されたロボットの学習用データを生成し、ユーザーに提供します。実際の環境では得られない多様な変数を反映したデータセットを通じて、Physical AI学習に活用できます。


期待効果


膨大な量の学習データを短時間で入手し、ロボットの学習に必要なデータ収集にかかる時間を大幅に短縮できます。また、あらゆるシナリオから生成されたデータは、これまでは収集できなかった厳しい状況に関するデータまでユーザーに提供することが可能です。これにより、ユーザーは精巧なPhysical AIを実現できるうえ、生産ラインの変更や調整、多品種少量生産といったビジネス戦略の変化にも迅速かつ効率的に対応できます。