SON DAKİKA

Nvdia

Modüler ve Ölçeklenebilir Robotik Simülasyon ve Geliştirme için OpenUSD Kullanımı

Dünyada robot teknolojisi, hızlı ilerlemelerle önemli bir dönüşüm geçiriyor. Bu değişim, fiziksel yapay zeka alanındaki yeniliklerle destekleniyor. Robotik çözümlerin pazara sunulma süresini hızlandırırken, güvenlik yeteneklerine duyulan güveni artırıyor ve fabrikalarda ve depolarda fiziksel yapay zekanın güçlendirilmesine katkıda bulunuyor.

GTC etkinliğinde duyurulan Newton, NVIDIA, Google DeepMind ve Disney Research tarafından geliştirilen açık kaynaklı, genişletilebilir bir fizik motorudur. Bu motor, robot öğrenimi ve geliştirilmesini ilerletmek amacıyla tasarlanmıştır.

NVIDIA Cosmos, otonom araçlar ve robotlar gibi otonom makinelerin fiziksel yapay zeka gelişimini hızlandırmak için açık bir model lisansı altında piyasaya sürülen bir dünya temel modeli (WFM) platformudur.

Son NVIDIA Omniverse Kit SDK 107 sürümü, robotik uygulamalar için önemli bir dönüm noktasıdır. Bu sürüm, OpenUSD 24.05 sürümüne güncellemelerle birlikte Python, C++ ve Linux ABI’de yeniliklerle gelmektedir. NVIDIA Isaac Sim 5.0, Kit 107 üzerinde geliştirilecektir. Bu geliştirmeler, sensör simülasyonu, dil desteği ve ikili uyumlulukta kayda değer ilerlemeler sağlayarak robotik uygulamaların geliştirilmesini büyük ölçüde desteklemektedir.

Robot Geliştirme Sistemleri ve Araçları

Üretim makineleri ya da insansı asistanlar olsun, yapay zeka destekli robotların, gerçek dünyada kullanılmadan önce geniş bir eğitim, test ve doğrulama sürecine ihtiyacı vardır. Bu süreçte, spesifik araç setlerinden gelen heterojen verilerin toplulaştırılması temel bir adımdır. Robotların gelişimini kolaylaştıracak birçok yöntem bulunmaktadır:

  • CAD yazılımları: Robotların ayrıntılı 3D modellerini oluşturmak için kullanılmaktadır.
  • Dijital içerik oluşturma araçları: Animasyon ve simülasyon gibi içeriklerin oluşturulmasına yardımcı olur.
  • Simülatörler: Robot davranışlarının gerçek sensör modelleri tarafından algılanan çeşitli senaryolara karşı test edilip doğrulanmasını sağlar.
  • Filoya yönetim yazılımı: Tek bir ortamda birden fazla robotun koordinasyonu ve yönetimi için gereklidir.

Her robotun merkezinde bir şema bulunmaktadır; bu, robotun görevlerini yerine getirirken davranışını tanımlayan veri modelleridir. Şemalar, yüksek seviyedeki verileri ve meta verileri depolamak için ortak bir arayüz görevi görmektedir ve aşağıdakileri içerir:

  • Kinematik özellikler: Robotun hareket ve yapısı hakkında bilgi verir.
  • Robot anlamsallığı: Robotun amacı ve yeteneklerini tanımlayan verileri içerir.
  • Beden hiyerarşisi: Robotun bileşenlerinin organizasyonunu gösterir.
  • Konfigürasyon parametreleri: Robotun çalışma ayarlarını kontrol eder.
A diagram shows a robot arm next to five schema icons representing metadata. A text label reads, "Tracking and maintaining robot information for interoperability and data exchange".
Şekil 1. Örnek robot şeması

Veri Yönetimi Zorlukları

Mevcut robotik ekosistem, parçalı bir yapıya sahip olduğundan, geliştiricilerin robotun çeşitli alanları için çoklu veri kaynaklarını yönetmeleri gerekmektedir. Robotun farklı alt sistemleri genellikle birden fazla parçalı veri kaynağına dayanır ve bu bağlantıyı sağlamak zaman alıcı bir süreç olabilir. Diğer zorluklar şunlardır:

  • Farklı robot formatları: Robotlar, şu anda ortak bir köprüye sahip olmayan çeşitli formatlarda tasarlanabilir ve temsil edilebilir.
  • Farklı robot verileri: Robotik veri türleri, CAD tasarımlarından elektriksel ve mekanik bilgilere, sensör verileri ve IoT metriklerine kadar uzanabilir.
  • Çeşitli simülasyon çözücüleri: Robotun hedeflenen bileşenlerini uzmanlaştırmak için birçok çözümleyici bulunmaktadır.

Bu zorlukların üstesinden gelmek için tüm verilerin birleştirilmesi kritik öneme sahiptir; böylece robotların eğitim, optimizasyon ve işletim süreçlerinde gerçek dünya algısını yeniden oluşturmak mümkün olacaktır.

OpenUSD’nin Değeri

Evrensel Sahne Tanımı (OpenUSD), farklı veri kaynaklarından içeriği birleştirerek büyük ölçekli simülasyonları sağlamak için anahtar rol oynamaktadır. İşte bazı temel avantajları:

  • İşlemcillik: OpenUSD, genişletilebilir şekilde tasarlanmış olup, mevcut robot veri kaynaklarını (CAD ve URDF) destekleyebilir, simülasyon ortamını fiziksel olarak doğru malzeme ve kinematiklerle zenginleştirebilir ve robotlar ya da sanayi tesislerindeki sensörlerden canlı operasyonel verileri taşıyabilir.
  • Agragasyon: OpenUSD, dosya formatı eklentileri ve referansları kullanarak uyumlu veri setleri oluşturmaya ve bir kanonik gerçeklik kaynağı sağlamaya yardımcı olur.
  • İş birliği: OpenUSD’nin bileşimi ve yıkıcı olmayan düzenleme özellikleri, insanlar, yapay zeka ve simülatörler arasında yeni ortak çalışma akışlarının geliştirilmesine olanak tanır.

OpenUSD Varlık Yapısı Pipeline’ının Tanıtımı

GTC 2025’te, NVIDIA, Disney Research ve Intrinsic AI ile birlikte OpenUSD Varlık Yapısı Pipeline’ını tanıttı. Bu yeni yapı ve veri boru hattı, OpenUSD içindeki en iyi uygulamaları kullanarak robotik iş akışlarını birleştirir ve tüm veri kaynakları için ortak bir dil sunar.

A pipeline diagram shows starting with asset.usd and moving through features, transformation, and the asset source.
Şekil 2. OpenUSD Varlık Yapısı Pipeline’ı

Şekil 2’de soldan sağa iş akışı, sağdan sola ise bileşen bağımlılıkları gösterilmektedir.

OpenUSD Varlık Yapısı Pipeline’ı, robot varlıklarının simülasyon ve geliştirme için hazırlanmasını ve iyileştirilmesini sağlamak amacıyla tasarlanmıştır. Bu iş akışı, varlıkların etkin yönetimi, optimizasyonu ve geliştirilmesini garanti ederken orijinal bütünlüğünü ve hiyerarşisini korur.

OpenUSD Varlık Yapısı Pipeline Aşamaları

OpenUSD Varlık Yapısı Pipeline’ını takip ederek, robot varlıklarını simülasyon ortamlarına sorunsuz bir şekilde entegre edebilir ve varlıkları çeşitli uygulamalarda test edip iyileştirmek mümkündür.

Varlık Kaynağı

  • Varlıkları doğrudan USD’ye aktarın (Omniverse CAD dönüştürücüsü veya açık kaynak dosya formatı eklentisi ile dönüştürülmüş).
  • Varlıkları ya bir robot bileşeni başına bir USD tabakası olarak yapılandırın ya da tüm robot için tek bir tabaka halinde düzenleyin.
  • Varlıkların orijinal organizasyonunu ve hiyerarşisini mükemmel biçimde koruyun.

Dönüşüm

  • Varlıkları, yapısını optimize etmek veya performansını artırmak amacıyla yeniden organize edin.
  • Varlıkların tam simülasyon için hazır olduğundan emin olun ve bütünlüğünü koruyun.

Özellikler

  • Her bir varlığa simülasyon özellikleri ekleyin.
  • Tüm simülasyon özelliklerini, çeşitli iş akışlarına olanak tanıyan modüler bir yaklaşım ile yüklenebilir hale getirin.
  • Farklı iş akışlarını destekleyin ve verimli bir simülasyon sağlamak için yükler vasıtasıyla tüm simülasyon özelliklerini bileştirin.

Ana Faydalar

Pipeline, içerik yapısını kaynak noktasından simülasyona dönüştürerek, gerçek zamanlı simülasyon içinde büyük ölçekli eğitim ve optimizasyonları mümkün kılar. Ayrıca, mevcut iş akışlarını destekler ve gelecekteki yeniliklere olanak tanıyacak şekilde yeniden kullanılabilirlik ve modülerlik göz önünde bulundurularak tasarlanmıştır. Tek bir arayüz katmanı, varyant setleri üzerinden yapılandırılarak, robot varlık yapısı pipeline’ını birleştirirken varlığı amacına göre özelleştirme esnekliği sunar.

Bu pipeline, CAD veri kaynağına bağlantıyı korumak için referanslar kullanır; böylece yapılan herhangi bir güncelleme ya da değişiklik, akış boyunca aşağıya doğru aktarılabilir.

Ayrıca, fiziksel yapay zeka modellerini eğitmek için ölçeklenebilir sentetik veri üretimini mümkün kılarak yapılandırılmış simülasyonları foto-gerçekçi video haline dönüştürmek için yeni Cosmos dünya temel modellerinden yararlanır.

Dikkat Edilmesi Gerekenler

OpenUSD, bileşim motoru alan bağımsız olduğu için son derece esnektir. En temelde, OpenUSD, 3D terimlerde bu anahtar-değer çiftlerinin ne anlama geldiğini bilmeden anahtar-değer çiftlerini bir araya getirir. Ancak, bu, OpenUSD’de verilerin birleştirilmesinde alan özelinde dikkate alınması gereken hususların bulunması gerektiği anlamına gelir. Bu da, OpenUSD standartlaşmasının kritik önem taşıdığı bir noktadır.

Bu hususlardan en önemlisi, sahne birimleri‘dir. Robotlar için USD ile çalışırken, metre cinsinden ayarlanmış bir root katmanı ile çalışması önerilir ve robotlarla ilgili düzenlemeler yaparken metre cinsinden olanları referans alarak, simülasyona dahil edilen herhangi bir ortamın gerekirse metrelere uygun ölçeklendiğinden emin olmak için Metrics Assembler‘ı kullanmalısınız. Metre cinsinden olmayan hiçbir içeriğin alt katmanlara eklenmesini tavsiye etmiyoruz.

Ayrıca, OpenUSD İttifakı (AOUSD), katman yığınlarındaki karışık birimleri ve diğer sahne metrikleri ile ilgili daha kapsamlı yaklaşımlar geliştirmek için incelemelerde bulunacaktır. Ancak, bu yaklaşımlar dikkatlice düşünülmelidir, çünkü aşağıdaki gereklilikleri karşılamalıdır:

  • Performansı korumak
  • Kod ve içerik uyumsuzluklarını azaltmak
  • Son dönüşümlerin ve diğer etkilenen değerlerin merkezi hesaplamalarını sağlamak
Three images in a row. The first box shows a 6-m tree (Tree.USD) with MPU=m. An arrow leads from the first box to the second, which as a person (World.USD) with MPU=cm. An equals sign is in between the second box and third box, and the latter has part of the person image with a 6-cm tree and MPU=cm.
Şekil 3. OpenUSD sahne birimleri

OpenUSD’deki Güncellemeler

Robotlar için OpenUSD’yi geliştirmeye yönelik yol haritası aşağıdaki çalışmaları içermektedir:

  • Robotik format kavramsal veri eşlemeleri: URDF, MJCF ve SDFormat gibi robotik formatlardaki veri modellerinin OpenUSD’ye eşlenmesi ve gerektiğinde kavramsal boşlukları doldurmak için şema önerilerinin yayınlanması.
  • AOUSD, yeni alanlarda OpenUSD Çalışma Grupları’nın genişletilmesine yönelik duyuru yaptı: Sektöre özgü yenilikleri teşvik edip emerging sektörlerde genişletilmiş OpenUSD uygulamalarını desteklemek için Endüstriyel ve Mühendislik Dijital İkiz (IEDT) İlgi Grubu ve Web İlgi Grubu gibi yeni çalışma grupları oluşturacak.
  • AOUSD deformables ve B-rep önerileri:
    • AOUSD Fizik Çalışma Grubu, robot manipülatörleri ve tutucuları eğitmek için UsdPhysics’e deformables (yumuşak gövde dinamikleri) eklenmesini önermektedir.
    • AOUSD Geometri Çalışma Grubu, aynı sanayi ortamındaki çeşitli fizik çözücüler için CAD geometri farklı tessellasyonlarını anlık olarak türetmek amacıyla B-rep için ön taslak bir şema geliştiriyor.
  • USD + FMI önerisi: OpenUSD ve Fonksiyonel Mock-up Arayüzü (FMI) arasında eş zamanlı standartlaşma ve kavramsal veri eşlemesi yapılması, bu sayede aynı robotun farklı bileşenlerinin veya çevresinin simülasyonunu gerçekleştirmek mümkün olacaktır.
  • Dinamik Davranışlar önerisi: Robot eylemlerini simüle etmek için gereken dinamik davranışların ve ROS köprülerinde yer alanları uygulama olanağı. Yüzyüze gereksinimlerin tanımlanması için gerekli işlevleri belirleyecektir; bu, gelecekteki OmniGraph‘ın üstünde bu dinamik davranışların gerçekleştirilmesine katkıda bulunacaktır.

Artık Isaac Sim‘i indirip kullanmaya başlayabilir, NVIDIA Cosmos ve NVIDIA Isaac GR00T temel modellerine Hugging Face üzerinden ulaşabilirsiniz.

Temel bilginizi ilerletmek için ücretsiz OpenUSD oturumları‘na ve OpenUSD Öğrenin ve Robotik Temelleri Derin Öğrenme Enstitüsü (DLI) kurslarına katılabilirsiniz.

İnsansı robotlar ve endüstriyel robot kolları üzerindeki çalışmaları hızlandırmak için açık kaynaklı Isaac GR00T model ailesini de keşfedebilirsiniz.

Yeni fiziksel yapay zeka veri setlerini de Hugging Face‘de bulabilirsiniz; bu veri setleri, fiziksel yapay zeka için 400 yeni SimReady USD varlığını içermektedir.

A GIF shows simulated assets in warehouse and industrial applications.
Şekil 4. Simülasyona hazır varlıklar

OpenUSD kullanarak robot simülasyonu ve geliştirme ile ilgili daha fazlasını duymak için OpenUSD Insiders canlı yayınına katılabilir, 26 Mart Çarşamba günü saat 11:00 PDT’de yayınlanacak oturumu izleyebilirsiniz.

Düşüncenizi Paylaşın

E-posta adresiniz yayınlanmayacak. Gerekli alanlar * ile işaretlenmişlerdir

İlgili Teknoloji Haberleri