𝗜𝗻𝘀𝗶𝗱𝗲 𝗦𝘁𝗿𝗶𝗸𝗲𝗥𝗼𝗯𝗼𝘁'𝘀 𝗙𝗼𝘂𝗿-𝗟𝗮𝘆𝗲𝗿 𝗔𝗴𝗲𝗻𝘁𝗶𝗰 𝗔𝗿𝗰𝗵𝗶𝘁𝗲𝗰𝘁𝘂𝗿𝗲

@StrikeRobot_aiの中でも、より注目に値する点の1つは、問題解決への取り組み方です。
多くの人は、#AIシステムは単一のモデルを大きくすることで、より高い能力を得るようになると考えています。StrikeRobotは別のエンジニアリングアプローチを採用しています。ワークフローを専門のレイヤーに分割し、各コンポーネントが特定のタスクを担当したうえで、出力を次へ引き渡します。そのアーキテクチャがSR Platformを支えています。
𝗟𝗮𝘆𝗲𝗿 𝟭 - 𝗢𝗿𝗰𝗵𝗲𝘀𝘁𝗿𝗮𝘁𝗼𝗿
すべてはシンプルなプロンプトから始まります。すぐにシミュレーションを生成するのではなく、Orchestratorがユーザーの要望を解釈し、構造化されたシーン計画に変換します。ジオメトリが作成される前に、部屋の寸法、必要なアセット、ロボットの種類、全体のレイアウトを決定します。
それはプロジェクトのプランナーだと考えてください。何を作る必要があるかを判断します。
𝗟𝗮𝘆𝗲𝗿 𝟮 - 𝗔𝘀𝘀𝗲𝘁 𝗙𝗼𝗿𝗴𝗲
設計図が整うと、Asset Forgeが環境を組み立てます。まずプラットフォームはQdrantのベクターデータベースを確認し、すでにアセットが存在するかどうかを調べます。存在する場合、そのアセットを即座に再利用します。存在しない場合、システムは新しいCADジオメトリを生成し、シミュレーション用のアセットに変換して、将来の利用に備えて保存します。
つまり、新しく作られたすべてのオブジェクトが増え続けるアセットライブラリの一部になり、重複した計算を減らし、今後のシーン生成を段階的により速くします。
𝗟𝗮𝘆𝗲𝗿 𝟯 - 𝗟𝗮𝘆𝗼𝘂𝘁 𝗔𝗿𝗰𝗵𝗶𝘁𝗲𝗰𝘁
オブジェクトを生成することは課題の一部にすぎません。現実的に配置する必要もあります。
Layout Architectは、空間の関係性や産業安全の要件を尊重しながら、設備、家具、壁、機械、作業スペースを配置します。シミュレーションを最終化する前に、クリアランス距離、通路、機械の間隔、環境上の制約を考慮します。
その結果は、見た目の一貫性があるだけでなく、ロボティクスのトレーニングとして実用的な環境になります。
𝗟𝗮𝘆𝗲𝗿 𝟰 - 𝗠𝗝𝗖𝗙 𝗕𝗿𝗶𝗱𝗴𝗲
最後の段階では、すべてを実行のために準備します。完成した環境はMuJoCoのMJCF形式に組み込まれ、選択したロボットを統合し、ブラウザ内ですぐに使えるようにシミュレーションを設定します。そこから、開発者は、シーンを手作業で準備するのに何時間も費やすことなく、ナビゲーション、マニピュレーション、知覚、強化学習のテストを始められます。
この4つのレイヤーを一緒に見ると、明確な設計思想が見えてきます。
各レイヤーは1つの責任に集中し、完了したタスクを次へ渡します。計画、アセット生成、空間推論、シミュレーション組み立ては独立しているものの、互いにつながっています。そのため、全体のパイプラインは、時間の経過とともに最適化や拡張がしやすくなります。
開発者にとってそれは、具体的な形になります。手作業のセットアップが減り、反復作業が減り、学習する環境を作る代わりに、知能ロボットのトレーニングにより多くの時間を割けるようになるのです。
私にとって、それはStrikeRobotの背後にある最も強力なエンジニアリング上の判断の1つです。あらゆる問題を1つのモデルに解かせるのではなく、プラットフォームが責任を専門のシステムに分散し、構造化され、スケーラブルで、現実のロボティクス開発に対してはるかに実用的なワークフローを生み出しているからです。