realvirtual.io AI Builder
在数字孪生环境中训练人工智能模型具有显著优势，可以通过虚拟方式复制真实系统。这种方法实现了安全、高效且可扩展的人工智能开发。
主要优势包括：
- 成本效率：省去物理设备搭建和减少停机时间，从而降低费用。
- 安全性：消除与真实世界测试相关的风险，尤其是在危险应用中。
- 快速数据生成：合成数据可在几分钟内生�，使人工智能模型能够快速在多样化场景上训练——而收集等量的真实数据可能需要数月时间。
- 加速开发：支持快速迭代和测试，加快人工智能开发周期。
- 无缝集成：便于与 PLC、机器人和传感器等自动化系统进行实时测试。
- 可扩展性：轻松仿真大型复杂系统，用于多样化的人工智能训练场景。
realvirtual.io AI Builder 是一个旨在简化和加速工业过程人工智能驱动解决方案的开发、训练、测试和部署的平台。利用 Unity 的实时 3D 引擎以及深度学习和卷积神经网络等前沿人工智能技术，AI Builder 能够创建合成训练数据、高级仿真，并无缝集成到自动化系统中。本文档将指导您完成利用 AI Builder 优化工业视觉应用的每个步骤。
AI Builder 工作流程
图中展示的 AI Builder 工作流程概述了使用 realvirtual.io AI Builder 和 Unity 创建和部署人工智能解决方案的过程。
以下是工作流程各步骤的详细说明：
- CAD：
- 此步骤涉及在 CAD 软件中设计产品或机器。从该设计生成的三维数据用作创建合成训练数据的基础。
- 生成训练数据：
- CAD 数据就绪后，AI Builder 会自动生成三维、照片级真实感、随机化和带标注的训练数据。
- 这个过程非常快速，可以在短短 2 分钟内生成约 1000 张图片。
- 训练数据以关联的标注信息保存（如
.bmp或 YAML 格式），可直接用于训练人工智能模型。 - 生成的数据集兼容多种训练框架，为人工智能模型开发提供了灵活性。
- 训练：
- 只需一键，即可在 realvirtual.io 环境中使用生成的训练数据训练人工智能模型。
- 训练管道灵活，支持多种人工智能框架——虽然内置了 YOLO 集成，但生成的数据集可用于其他训练管道和机器学习框架。
- 训练后的人工智能模型以标准 ONNX 模型格式导出，这是一种流行的机器学习模型格式，支持不同平台之间的互操作性。
- 测试：
- 训练后，可以在 realvirtual.io Professional 平台中测试人工智能模型。
- 人工智能模型在完整的 Digital Twin 设置中进行测试，包括自动化接口、PLC 系统、机器人和其他组件。这确保了人工智能模型在部署到真实场景之前在虚拟环境中按预期工作。
- 部署：
- 训练好的神经网络随后作为可执行应用程序部署，可以在 Windows、Linux、macOS 和 iOS 等平台上运行，也可以作为 ONNX 模型部署到能够运行 ONNX 模型的系统上。
- 此部署还可以包括工业通信接口，如 S7 TCPIP、OPCUA、ADS、Websocket、MQTT 等。
安装和前置条件
realvirtual.io 的 AI Builder 基于 Unity 6（Unity 6000.0.28f1 或更高版本）构建，需要有效的 Unity 许可证并在 Windows 系统上安装。它提供了一个完全准备好的项目，包括基于卷积神经网络和 PyTorch 的完整人工智能训练和测试管道。
系统要求
- Unity 版本：Unity 6 LTS（6000.0.28f1 或更高版本）
- 操作系统：Windows（人工智能训练管道所需）
- Unity 许可证：有效的 Unity 许可证（Personal 或 Pro）
只需一键即可无缝运行整个 AI 流程。购买 AI Builder 后，您将收到有关访问项目以及将其用于工业 AI 解决方案的详细说明。
除了下载的 realvirtual.io AI Builder 项目和 Unity 许可证外，不需要额外安装。
训练管道灵活性
AI Builder 采用灵活的训练架构，支持多种人工智能框架：
内置 YOLO 集成
对于高级对象检测功能，AI Builder 包含与 Ultralytics YOLO 的内置集成：
realvirtual.io AI Builder 的 YOLO 集成
许可说明：YOLO 集成仓库和 Ultralytics YOLO 使用 AGPL-3.0 许可证。在商业用途中请审查许可要求。有关详细的许可信息，请参见 Ultralytics YOLO。
自定义训练管道
AI Builder 生成的合成训练数据可用于各种机器学习框架和训练管道：
- 标准格式：训练数据以行业标准格式导出（图片 + 标注）
- 框架兼容性：兼容 TensorFlow、PyTorch、Detectron2 及其他主流机器学习框架
- 自定义工作流程：开发者可以使用生成的数据集集成自己的训练管道
- 外部工具：数据可导出到云端训练服务或专业化 AI 开发平台使用
这种灵活性使您能够在利用 realvirtual.io 合成数据生成能力的同时，使用您偏好的 AI 训练方法。