Intel Labs ha presentado una plataforma de simulación realista y de código abierto, enfocada a ayudar a los desarrolladores y que acelera el entrenamiento y la validación de sistemas de InteligenciaArtificial (IA) incorporada en interiores.
El fabricante tecnológico ha colaborado con el Computer Vision Center de España, Kujiale (China) y la Universidad Técnica de Múnich (Alemania) para desarrollar esta solución, que recibe el nombre de Simulator for Photorealistic EmobodiedAI Research (SPEAR).
SPEAR es un simulador fotorrealista que se puede descargar bajo una licencia MIT de código abierto y personalizar en cualquier 'hardware', que se aplica en una gama de tareas domésticas de navegación y manipulación, según ha indicado la compañía en una nota de prensa remitida a Europa Press.
Intel Labs ha indicado que SPEAR pretende impulsar la investigación y las aplicaciones comerciales en robótica doméstica y fabricación, incluidos los escenarios en los que interactúan los humanos con los robots y las aplicaciones de gemelos digitales.
Para crear esta solución, la compañía ha colaborado con artistas profesionales para construir una colección de entornos interactivos artesanales de alta calidad. Así, ha logrado integrar una colección de 300 alternativas de entornos virtuales interiores, con más de 2.500 salas y 17.000 objetos que se pueden manipular de forma individual y que pueden estar en un entorno desordenado, que sirve como estado inicial para las tareas de limpieza del dispositivo.
Estos entornos, además, utilizan materiales fotorrealistas, iluminación precisa y geometría detallada para que SPEAR pueda funcionar en condiciones óptimas. Debido a que ofrece entornos más amplios, diversos y realistas, SPEAR ayuda en todo el ciclo de desarrollo de los sistemas de IA incorporada y permite entrenar a agentes para que operen en el mundo real, incluso directamente desde la simulación.
En relación a la visión general de SPEAR, Intel ha indicado que este se ha desarrollado en función de tres requisitos principales. En primer lugar, esta solución debe ser capaz de soportar una colección de entornos lo más amplia, diversa y de alta calidad posible.
Asimismo, el simulador debe proporcionar suficiente realismo físico para soportar interacciones realistas con una amplia gama de objetos domésticos. Finalmente, se busca que pueda ofrecer tanto foto realismo como sea posible, siempre que mantenga al mismo tiempo suficiente velocidad de renderizado para soportar el entrenamiento de comportamientos complejos de agentes incorporados.
Para cumplir con estos requisitos, esta solución de simulación se ha implementado sobre Unreal Engine y proporciona una interfaz OpenAI Gym para interactuar con los entornos a través de Python
Fuente EP.