Thrixel til Physical AI
Gør input og specifikationer fra den virkelige verden til strukturerede 3D-aktiver, komplette miljøer og simuleringsdata til fysisk AI.
Rekonstruer et eksisterende miljø eller generer en struktureret scene ud fra en specifikation.
Fra input fra den virkelige verden
Fotos og video bliver 3D-aktiver og miljøer med flere objekter med trekantsmasker, PBR-materialer og separate semantiske dele. USDA output bærer den struktur og fysik, der er nødvendig for simuleringsarbejdsgange.
Fra en scenespecifikation
Generer fuldt strukturerede scener med simuleringsklare aktiver og tilsvarende opgavedefinitioner. Varier aktiver og layout ved hjælp af distributioner i den virkelige verden, og skab robotbaner til efterligningslæring.
Et miljø med artikulerede objekter, fysikmaterialer og kollisionsgeometri, klar til interaktion i simulering. Hvad er SimReady 3D?
Leddele modellerer, hvordan døre, låg og andre komponenter bevæger sig og interagerer.
Fysiske overfladeegenskaber understøtter kontakt og bevægelse i simuleringen.
Kollisionsgeometri giver objekter en fysisk tilstedeværelse til manipulation og miljøinteraktion.
Aktiver indeholder oplysninger om deres komponenter, kontaktflader og grebsplaceringer.
Separate masker identificerer meningsfulde komponenter, så et håndtag, en dør og et kabinet kan hver især deltage i en opgave.
Thrixel definerer robotgribesteder til robotmanipulation med greb-og-løft-tjek i simulering.
Mesh-kollidere og USD Physics-skemaer beskriver de kontakter og begrænsninger, der bruges under interaktion.
Rekonstruktionsarbejdsgangen forbinder udseende, geometri og fysisk adfærd.
Start med billeder af et enkelt objekt eller en hel scene. Referenceindgange og dimensioner styrer rekonstruktionen.
Skab geometri, PBR-teksturer, separate masker til semantiske dele og simuleringsklar fysik i et struktureret aktiv.
Test og kalibrer aktivet i simulering, kontroller dets adfærd gennem kontakt, artikulation og manipulation.
Procedurel variation udvider et miljø til flere konfigurationer baseret på virkelige distributioner. Strukturerede scener bevarer de aktiver, fysik og opgavedefinitioner, der er nødvendige for simulering.
Robotbaner fanger interaktioner med miljøet. Semantiske dele, definerede robotgribepunkter og valideret fysik understøtter de manipulationsopgaver, der bruges til at producere efterligningsdata.
Del referenceinput, målmiljø og robotopgaver. Holdet kan diskutere rekonstruktion, scenegenerering og simuleringsdatakrav.
Kontakt Thrixel