Co je SimReady 3D?

Co znamená SimReady?

SimReady znamená připraveno k simulaci. 3D asset SimReady obsahuje informace, které může simulátor použít k interpretaci objektu a jeho chování spolu s jeho viditelnou geometrií a materiály. V závislosti na úloze mohou tyto informace zahrnovat tvary kolize, hmotnost, tření, sémantické popisky a kloubové komponenty.

SimReady také pojmenovává rámec specifikace iniciovaný NVIDIA a postavený na OpenUSD. Definuje možnosti simulace prostřednictvím strukturovaných vlastností a metadat. Použitelné požadavky závisí na zamýšleném použití assety; Objekt používaný pro vnímání kamerou a objekt používaný pro robotickou manipulaci vyžadují různé schopnosti. Tento přístup popisuje přehled specifikace SimReady NVIDIA.

Jak se prvek SimReady liší od běžného 3D modelu?

Texturovaný model popisuje tvar a vzhled objektu. Simulátor také potřebuje vědět, jak daný objekt zabírá prostor, reaguje na kontakt a jak se pohybuje. Realistická kuchyňská skříňka ilustruje rozdíl: její vykreslený obrázek může zobrazovat dveře a kliku, zatímco interakce robota vyžaduje, aby tyto součásti měly použitelnou geometrii, tvary kolize a vhodný spoj.

Asset připravené ke hře již může obsahovat kolize a animace, ale jeho nastavení je navrženo pro konkrétní hru. Úloha učení robota může vyžadovat kalibrované rozměry, fyzické parametry, sémantické anotace a ověření proti zamýšlené interakci. Připravenost je vyhodnocena proti této úloze a době běhu simulace.

Co dělá 3D simulaci assetů připravenou?

Geometrie, měřítko a materiály

Rozměry, orientace a struktura objektu musí odpovídat zamýšlenému prostředí. Uchopovač robota a rukojeť musí být znázorněny v kompatibilních měřítcích. Vizuální materiály a textury podporují vykreslená pozorování, zatímco fyzikální vlastnosti materiálů popisují chování, jako je tření a odskoky. pokyny k modelování NVIDIA kladou důraz na skutečné měřítko a konzistentní konstrukci assetů.

Kolizní geometrie a fyzikální vlastnosti

Tvary kolize určují, kde dojde ke kontaktu. Hmotnost a setrvačnost ovlivňují, jak pohybující se objekt reaguje na síly; tření ovlivňuje, zda povrchy kloužou. Tyto vlastnosti musí vyhovovat objektu a úkolu. Viditelná síť a geometrie kolize se mohou lišit, například když jednodušší znázornění kolize zlepšuje výkon simulace. USD Physics poskytuje schémata pro popis fyzikálních vlastností ve scéně OpenUSD.

Sémantické štítky a smysluplné části

Sémantické informace identifikují, co objekt nebo komponenta představuje. Štítky jako skříň, dveře a madlo podporují interpretaci scén a anotovaná tréninková data. Samostatná geometrie součásti umožňuje, aby tyto součásti byly vybrány a manipulovány samostatně. Sémantické označování může také podporovat identifikaci objektů na obrázcích vykreslených pro strojové učení.

Klouby a uchopovací body specifické pro daný úkol

Úloha otevírání skříně vyžaduje spoj dveří s vhodnou osou a limity pohybu. Úkol typu pick-and-place vyžaduje přístupné kontaktní plochy a užitečná místa pro uchopení. Toto jsou dodatky specifické pro daný úkol: statický objekt na pozadí nepotřebuje všechny schopnosti vyžadované kloubovým manipulačním prostředkem.

Proč jsou assety SimReady důležitá pro fyzickou umělou inteligenci?

Systémy Physical AI vnímají a jednají ve fyzických prostředích. Simulace poskytuje týmům pro vývoj robotů místo, kde mohou provádět úkoly, měnit podmínky a shromažďovat data. Kvalita podkladu ovlivňuje tyto experimenty: nesprávný srážeč může blokovat platné uchopení a nesprávně upravený úchyt může změnit, zda je úkol dosažitelný.

Díky strukturovaným assetům je variace užitečnější. Scéna může změnit umístění objektu, rozměry nebo vlastnosti materiálu při zachování informací potřebných ke spuštění úlohy. Tyto varianty podporují robotické učení a vyhodnocovací pracovní postupy, i když výkon v simulaci stále vyžaduje vyhodnocení oproti reálnému cíli.

Jak ověřujete assety SimReady v Isaac Sim?

Validace zahrnuje kontrolu struktury assety a pozorování jeho chování v cílovém simulátoru. Fyzický pracovní postup AI Thrixel používá Isaac Sim pro testy, jako jsou:

• Usadit: umístěte předmět na zamýšlenou podpěru a zkontrolujte, zda se zastaví podle očekávání.
• Drop: zkontrolujte odezvu kontaktu a stabilitu, když objekt přistane.
• Klouzání: sledujte, jak na sebe povrchy působí při pohybu.
• Pohyb mechanických spojů: zkontrolujte osu, rozsah a pohyb dveří, vík nebo jiných kloubových částí.
• Uchopte a zvedněte: otestujte, zda se robot dokáže dotknout, držet a zvednout zamýšlený předmět.

Testy by měly odrážet zamýšlený úkol. Dveře, které se otevírají správně izolovaně, také potřebují kontrolu uvnitř skříně, s okolními předměty a přítomností robota. Ověřování assetů a ověřování scény řeší různé zdroje selhání.

Dokáže umělá inteligence generovat assety SimReady a celé scény?

Umělá inteligence může generovat geometrii a vzhled z výzev nebo referenčních snímků a poté podporovat přípravu dílů, fyziku a informace o úkolech. Generátor 3D modelů umělé inteligence Thrixel poskytuje pro tento proces upravitelné položky. Kompletní workflow také sestavuje prostředí a kontroluje jeho chování v simulaci. průvodce 3D generativní umělou inteligencí vysvětluje základní pracovní postupy generování modelů.

Thrixel pro fyzickou umělou inteligenci pokrývá rekonstrukci digitálního dvojčete z fotografií a videa, generování strukturované scény, sémantické části, definované body uchopení robota a ověřování simulací. Pracovní postup vytváří trojúhelníkové sítě s materiály PBR a výstup scény USDA nesoucí informace o simulaci. Podporuje také variace assetů a scén a trajektorie robotů pro učení imitace.

Pro vytváření interaktivního světa pomocí programovacího agenta AI propojuje Build World generování prostředků se sestavováním scény a iterativní kontrolou. Projekty Physical AI přidávají požadavky, jako jsou úlohy robota, fyzikální kalibrace a ověřování specifické pro simulátor. Diskuse o projektu fyzické umělé inteligence společnosti Thrixel začíná těmito požadavky a dostupnými referenčními vstupy.

Časté dotazy týkající se 3D podkladů SimReady

Je každý soubor USD assetem SimReady?

Ne. OpenUSD může popsat scénu, aniž by obsahoval simulační schopnosti požadované úlohou. Soubor potřebuje vhodné strukturované vlastnosti, sémantiku a ověření. SimReady FAQ od NVIDIA vysvětluje, proč samotné ukládání dat do USD nezajistí připravenost k simulaci.

Jsou assety SimReady stejná jako digitální dvojčata?

Termíny popisují různé aspekty assety. Digitální dvojče představuje konkrétní objekt nebo prostředí reálného světa. Připravenost na simulaci popisuje schopnosti potřebné k použití této reprezentace v simulaci. Rekonstruovanou kuchyni lze připravit pro simulaci, přičemž vygenerovaná kuchyně SimReady nemusí odpovídat jedné konkrétní skutečné kuchyni.

Může být stávající 3D model připraven pro simulaci?

Ano. Výchozím bodem může být stávající síť. Příprava může zahrnovat opravu měřítka, oddělení pohyblivých částí, vytvoření kolizní geometrie a fyzikálních vlastností, přidání sémantických štítků a testování výsledku v cílovém simulátoru. Práce závisí na struktuře modelu a zamýšleném úkolu.

Potřebují všechna assety SimReady spoje nebo body uchopení?

Ne. Tyto schopnosti závisí na interakci. Podlaha potřebuje vhodnou geometrii a kontaktní chování; otevírací zásuvka vyžaduje kloubové spojení; předmět určený k uchopení vyžaduje nastavení manipulace. Příslušné požadavky na simulaci určují, co musí být vytvořeno a zkontrolováno.