一个多式联网数字双胞胎用于科学探索中的自主微型钻探

科学领域:

• 机器人技术 机器人技术 机器人技术
• 人工智能的人工智能
• 生物医学工程 生物医学工程

背景情况:

• 自主机器人手术需要高保真模拟环境来训练人工智能模型.
• 为训练创建现实的合成数据是具有挑战性的,因为钻井等物理过程的复杂性.

研究的目的:

• 开发一种多式数字双胞胎 (DT),用于模拟自主机器人微型钻井.
• 为了生成现实的合成图像和钻探声音用于训练AI模型.
• 评估开发的DT的现实性和准确性.

主要方法:

• 与Isaac Sim集成了异步多体框架 (AMBF) 模拟器,以实现摄影现实的染.
• 开发了一个深度音频发电机 (DAG) 模型,用于实现现实的钻井声音合成.
• 利用卷积神经网络 (CNN) 进行视觉现实主义评估,并进行蛋钻探实验以评估准确性.

主要成果:

• 与调音调制方法 (较低的FAD和FID分数) 相比,DAG模型在声音合成中实现了更高的现实性.
• 在合成数据上训练的CNN,在真实图像中检测钻探区域时实现了70.2%的mAP.
• 数字双胞胎显示出亚毫米精度,对齐误差为0.22 ± 0.03毫米.

结论:

• 一个多式数字双胞胎成功地开发和验证了通过微型钻探模拟骨窗口的创建.
• DT产生高度现实的合成音频和视觉数据.
• 经过验证的DT提供了亚毫米精度,适合用于训练自主机器人手术中的AI模型.