Foxtech, endüstriyel drone çözümleri sağlar & İHA yük sistemleri.
Karşınızda HeadGo Ego: Yapay Zeka ve Robot Öğrenimi için Yeni Bir Kafa Üstü Veri Toplama Çözümü
Yetenekli, bedenlenmiş yapay zekâ sistemleri oluşturmak, sıradan video kaydından çok daha fazlasını gerektirir. Araştırmacıların, robotların bir kişinin ne gördüğünü, ellerinin nasıl hareket ettiğini ve bir işlemin zaman içinde nasıl geliştiğini anlamasına yardımcı olacak yapılandırılmış, senkronize verilere ihtiyacı vardır.
Bu zorluğun üstesinden gelmek için Foxtech, vücut tabanlı yapay zeka, robot öğrenimi, taklit öğrenimi ve becerikli manipülasyon eğitimi için tasarlanmış yeni bir başa takılan insan verisi toplama cihazı olan HeadGo Ego'yu piyasaya sürüyor.
Birinci şahıs görsel yakalama, el hareket noktası takibi, hareket algılama, gerçek zamanlı izleme ve entegre sırt çantası tipi DataCube sistemini bir araya getiren HeadGo Ego, araştırma ekiplerinin mobil ve pratik bir iş akışında insan operasyon verilerini toplamasına yardımcı olur.
HeadGo Ego hangi sorunu çözüyor?
Yapay zekâ tabanlı geliştirmenin en büyük zorluklarından biri, yeterli sayıda yüksek kaliteli insan gösterim verisi toplamaktır.
Geleneksel bir kamera, bir görev sırasında neler olduğunu kaydedebilir, ancak video tek başına robot öğrenimi için gerekli olan yapılandırılmış bilgiyi sağlamayabilir. Araştırmacılar ayrıca ellerin uzamsal konumunu, her bir elin kilit noktalarını, hareket yörüngelerini, derinlik bilgilerini ve her eylemin tam zamanlamasını anlamaya ihtiyaç duyabilirler.
Bu veri akışlarını ayrı cihazlarla toplamak ek zorluklar yaratabilir. Ekipman, operatörün hareketini kısıtlayabilir, tekrarlanan yapılandırma gerektirebilir veya farklı veri kaynaklarının uyumlu tutulmasını zorlaştırabilir.
HeadGo Ego, operatörün bakış açısından doğrudan birinci şahıs operasyon verilerini toplayarak bu süreci basitleştirmek üzere tasarlanmıştır. Görsel bilgileri el pozisyonu, uzamsal koordinatlar, derinlik, zaman damgaları ve hareket yörüngeleriyle birleştirerek, somutlaştırılmış yapay zeka eğitimi için daha zengin bir veri tabanı sağlar.
Robot öğrenimi için birinci şahıs verileri neden önemlidir?
Robotlar yalnızca tamamlanmış bir görevin nasıl göründüğünü değil, aynı zamanda bir insanın o görevi nasıl yerine getirdiğini de öğrenmelidir.
Nesne kaldırma, eşyaları düzenleme, bir aleti çalıştırma veya çok adımlı bir manipülasyon görevini tamamlama gibi faaliyetler sırasında, operatörün bakış açısı değerli bağlamsal bilgiler içerir. Hangi nesnelerin görünür olduğunu, ellerin onlara nasıl yaklaştığını ve işlem boyunca çevredeki ortamın nasıl değiştiğini gösterir.
HeadGo Ego başa takıldığı için kameralar operatörün doğal bakış yönünü takip eder. Bu, sistemin görevi operatörün dikkati ve eylemleriyle yakından bağlantılı bir perspektiften kaydetmesini sağlar.
Elde edilen birinci elden veriler şu konulardaki araştırmaları destekleyebilir:
- Somutlaştırılmış Yapay Zeka
- Robot öğrenimi
- Taklit öğrenme
- Birinci şahıs insan operasyon analizi
- Becerikli manipülasyon
- İnsan gösterim veri seti geliştirme
Sistem Ne Tür Veriler Toplayabilir?
HeadGo Ego, çok çeşitli operasyonla ilgili veriler üreterek standart görsel kayıtların ötesine geçer.
Sistem, el pozisyonu, uzamsal koordinatlar, derinlik, zaman damgaları ve hareket yörüngeleriyle birlikte 21 el kilit noktasını yakalayabilir. Bu veriler, operatörün ellerinin nerede bulunduğunu ve bir görev boyunca nasıl hareket ettiğini açıklamaya yardımcı olur.
Araştırma ekipleri için bu, bir işlemi yalnızca bir video klibi olarak değil, yapılandırılmış hareketler dizisi olarak incelemeyi mümkün kılar. Elde edilen bilgiler, robot öğrenme modellerini eğitmek ve değerlendirmek için veri kümeleri oluşturmak amacıyla kullanılabilir.
Sistem üç kamera ile donatılmıştır:
- İki dürbünlü kamera
- Bir adet RGB kamera
Bu yapılandırma, RGB ve derinlikle ilgili görsel veri alımını destekler. 9 eksenli bir IMU , ek hareket algılama özelliği sağlayarak operatörün görevi tamamlarken nasıl hareket ettiğini yakalamaya yardımcı olur.
Geniş görüş alanı veri toplamayı nasıl iyileştirir?
İnsan müdahalesi her zaman kamera görüntüsünün tam merkezinde gerçekleşmez. Operatör, yanlardaki nesnelere doğru uzanabilir, çalışma yüzeyine bakabilir veya ortamın farklı bölümleri arasında hareket edebilir.
HeadGo Ego şu görüş alanını sağlar:
- 150° diyagonal
- 128° yatay
- 80° dikey
Bu geniş görüş açısı, operatörün çalışma alanının daha büyük bir bölümünü yakalamaya yardımcı olur ve önemli el hareketlerinin veya yakındaki nesnelerin kaydedilen alanın dışında kalma olasılığını azaltır.
İki elle yapılan işlemler, geniş çalışma yüzeyleri veya sık sık bakış yönü değişiklikleri gerektiren görevler için, daha geniş bir birinci şahıs bakış açısı, sonraki veri işleme ve model eğitimi için daha eksiksiz bir görsel bağlam sağlayabilir.
HeadGo Ego, doğal insan davranışlarını nasıl destekler?
İnsan gösterimi verileri, operatörün görevleri doğal bir şekilde gerçekleştirebildiği durumlarda en faydalı olanıdır.
Ana algılama cihazı başa takıldığı ve işlem ve güç bileşenleri sırt çantası tarzı bir sisteme entegre edildiği için, operatör sabit bir kayıt istasyonuna bağlı kalmadan ortamda hareket edebilir.
Bu mobil yapılandırma, farklı çalışma alanlarında ve günlük işletim ortamlarında veri toplamak için uygundur. Araştırmacılar, sistem operatörün bakış açısını, el hareketlerini ve hareketle ilgili bilgileri kaydederken, kendi ellerini kullanarak görevleri gösterebilirler.
Sırt çantası, ana işlem birimini ve güç kaynağını entegre eder. Ayrıca, mobil veri toplamayı desteklemek için darbeye dayanıklı bir yapı ve aktif havalandırma tasarımı da içerir.
Operatörler Toplama Sürecini Nasıl İzleyebilir?
Veri toplama sırasında sık karşılaşılan bir sorun, kaydın eksik olduğunun, depolama alanının yetersiz olduğunun veya sistemin bir bölümünün doğru çalışmadığının çok geç fark edilmesidir.
HeadGo Ego, gerçek zamanlı sistem izleme olanağı sağlayan ana kontrol ekranıyla bu sorunu çözüyor. Operatörler şunları kontrol edebilir:
- Canlı video
- Cihaz sıcaklığı
- CPU ve bellek kullanımı
- Mevcut depolama alanı
- Kare hızı
- Cihaz sağlığı
- Veri toplama ilerlemesi
Bu görünürlük, operatörün görev kaydedilirken potansiyel sorunları belirlemesine yardımcı olur. Uzun bir sunumu tamamladıktan sonra önemli verilerin eksik veya kullanılamaz olduğunu fark etme riskini azaltabilir.
Gerçek zamanlı izleme, özellikle araştırma ekiplerinin birden fazla operatör, görev veya ortamda çok sayıda gösterim toplaması gerektiğinde son derece değerlidir.
Sistem kurulum süresini nasıl kısaltıyor?
Tekrarlanan ağ yapılandırması, özellikle konumlar arasında geçiş yaparken veya ağ değiştirirken veri toplama işlemini yavaşlatabilir.
HeadGo Ego, QR kod tabanlı Wi-Fi yapılandırmasını destekler. Operatör, Ego kamerasını kullanarak bir QR kodunu tarayarak ağ bağlantısını yapılandırabilir ve böylece uzun manuel kurulum ihtiyacını azaltabilir.
Bu özellik, farklı laboratuvarlarda, çalışma alanlarında veya saha ortamlarında veri toplayan ekipler için faydalı olabilir. Daha hızlı ağ yapılandırması, araştırmacıların gösterileri kaydetmeye daha fazla zaman ayırmasına ve ekipman hazırlamaya daha az zaman harcamasına yardımcı olur.
HeadGo Ego bağımsız olarak kullanılabilir mi?
Evet. HeadGo Ego, bağımsız bir birinci şahıs insan verisi toplama sistemi olarak çalışabilir.
Bağımsız olarak kullanıldığında, görsel bilgiler, el pozisyonu verileri, 21 el kilit noktası, uzamsal koordinatlar, derinlik, zaman damgaları ve hareket yörüngeleri toplayabilir. Bu da onu, benmerkezci görme, insan operasyon analizi, taklit öğrenme ve somutlaştırılmış yapay zeka veri seti geliştirme odaklı projeler için uygun hale getirir.
Standart sistem şunları içerir:
- Bir adet HeadGo Ego başa takılan veri toplama cihazı
- Bir adet DataCube sırt çantası veri işleme sistemi
Diğer insan verisi toplama cihazlarıyla birlikte çalışabilir mi?
HeadGo Ego, GripperGo Pro ile birlikte de kullanılabilir.
Birleşik bir iş akışında, HeadGo Ego veri setini birinci şahıs görsel bilgiler, el pozisyonu, kilit nokta verileri ve genel işlem bilgileriyle destekleyebilir. Bu, araştırma ekiplerinin insan gösterilerini birden fazla tamamlayıcı perspektiften yakalamasına olanak tanır.
HeadGo Ego'yu bağımsız olarak kullanmak veya GripperGo Pro ile entegre etmek arasındaki seçim, projenin veri gereksinimlerine bağlıdır. Öncelikle mobil birinci şahıs veri toplama ihtiyacı duyan ekipler HeadGo Ego'yu tek başına kullanabilirken, daha kapsamlı bir insan operasyon verisi kümesi gerektiren projeler birleşik bir kurulumu düşünebilir.
Hangi tür görevler kaydedilebilir?
HeadGo Ego, birinci şahıs insan operasyonlarını kaydetmek için tasarlanmıştır. Operatörün nesnelerle ve çevredeki çalışma alanıyla doğal bir şekilde etkileşim kurduğu gösterileri kaydetmek için kullanılabilir.
Potansiyel araştırma görevleri şunlardır:
- Nesne seçimi ve yerleştirme
- Sıralama ve düzenleme
- İki elle manipülasyon
- Alet kullanım gösterileri
- Çok adımlı işlem kaydı
- İnsan eli hareket yörüngesi analizi
- Beceri gerektiren manipülasyon veri seti koleksiyonu
- Taklit yoluyla öğrenme için günlük görev gösterimleri
Araştırma ekibinin robot platformuna, öğrenme çerçevesine ve eğitim hedeflerine göre, görev tasarımı ve veri seti yapısı özelleştirilebilir.
HeadGo Ego Kimler İçin Tasarlandı?
HeadGo Ego öncelikle, aşağıdakiler de dahil olmak üzere, somutlaştırılmış zeka ve robot öğrenme sistemleri geliştiren kuruluşlar için tasarlanmıştır:
- Üniversiteler ve robotik laboratuvarları
- Somutlaştırılmış yapay zeka araştırma ekipleri
- Robot öğrenimi ve taklit öğrenimi araştırmacıları
- Beceri gerektiren manipülasyon geliştiricileri
- Yapay zeka ve robotik girişimleri
- Veri seti toplama ekipleri
- Genel amaçlı robotik sistemler geliştiren şirketler
Özellikle, her proje için karmaşık ve sabit bir kayıt sistemi kurmak zorunda kalmadan, birden fazla görev veya ortamda birinci elden insan gösterimleri toplaması gereken ekipler için oldukça faydalı olabilir.
HeadGo Ego Veri Toplama İş Akışını Nasıl İyileştirebilir?
HeadGo Ego, algılama, işleme, izleme ve mobil dağıtımı daha entegre bir sisteme getiriyor.
Ekipler, her veri toplama seansı için ayrı ayrı kameralar, el izleme cihazları, hareket sensörleri, işlem donanımları ve güç kaynakları kurmak yerine, birleşik bir başa takılan ve sırt çantasına yerleştirilen konfigürasyonla çalışabilirler.
Tipik bir iş akışı şunları içerebilir:
- HeadGo Ego ve DataCube sisteminin hazırlanması.
- QR kod taraması yoluyla gerekli Wi-Fi ağına bağlanma.
- İzleme ekranında video, depolama, kare hızı ve cihaz durumunu kontrol etme.
- İnsanlı gösterim görevine başlanıyor.
- Birinci şahıs görsel, el hareket noktası, derinlik, zaman damgası ve yörünge verilerinin toplanması.
- Toplama işleminin ilerleyişini gerçek zamanlı olarak izleme.
- Elde edilen verilerin, robot öğrenimi ve model geliştirme süreçleri için düzenlenmesi.
Bu yaklaşım, özellikle bir proje çok sayıda görev örneği gerektirdiğinde, insan gösterimi toplama işlemini daha tekrarlanabilir ve yönetilebilir hale getirmeye yardımcı olur.
İnsan Deney Veri Kümeleri Oluşturmanın Daha Pratik Bir Yolu
HeadGo Ego'nun piyasaya sürülmesi, yapay zekâ geliştiricilerine yapılandırılmış birinci şahıs insan operasyon verilerini toplamak için yeni bir seçenek sunuyor.
Sistem, binoküler ve RGB görüşü, 21 el kilit noktasını, uzamsal pozisyon bilgilerini, derinlikle ilgili verileri, 9 eksenli bir IMU'yu, gerçek zamanlı izlemeyi ve mobil bir DataCube sırt çantasını birleştirerek, araştırmacıların yalnızca operatörün gördüklerini değil, aynı zamanda işlemin nasıl gerçekleştirildiğini de yakalamalarına yardımcı olmak üzere tasarlanmıştır.
HeadGo Ego, bağımsız olarak veya GripperGo Pro ile birlikte kullanıldığında, robot öğrenimi, taklit öğrenimi ve becerikli manipülasyon araştırmaları için daha zengin veri kümelerinin geliştirilmesini destekleyebilir.
