Duality AI
Provides Falcon, a digital-twin simulation platform for training and testing robots, drones and autonomous systems wi...
Provides Falcon, a digital-twin simulation platform for training and testing robots, drones and autonomous systems with synthetic data to close the sim-to-real gap.
Key Features
- Falcon：基於 Unreal Engine 的雲端數位孿生模擬平台
- Vibe Sim：用文字描述生成所需合成資料
- 開環與閉環兩種模擬模式
- 相容 ROS/ROS2 的 Python API
- Sim2Real 調校，對齊虛擬與真實感測器輸出
- 雲端分散式運算，不需特殊硬體
Pros
- 合成資料能補足真實世界稀少樣本（如少見瑕疵）的訓練需求
- 閉環模擬可驗證自主決策，不只是產生資料
- 有 P&G、Honeywell 等製造與航太業的實際案例
Cons
- Unreal Engine 場景建模有專業門檻，非一般工程師能快速上手
- Sim2Real 落差是固有風險，模擬表現好不等於現場可用
- 未公開價格，導入成本需洽詢評估
Use Cases
- AOI 光學檢測生成稀少瑕疵樣本的訓練資料
- 倉儲與物流機器人導入前的大量情境測試
- 自駕或無人機演算法的安全性驗證
- 製造業品質檢測模型的資料擴增
- 機器手臂抓取策略的模擬訓練
Editor's Note
合成資料這題我蠻有興趣的，尤其在台灣製造業——AOI 檢測最頭痛的就是「瑕疵樣本不夠」，一年才出幾片的缺陷你要怎麼訓練模型？用模擬補，邏輯上完全通。但我一定要提醒 Sim2Real 落差：模擬裡 99.9%，現場掉到 80% 的案例我看過不只一次。驗證請用真資料。
FAQ
合成資料訓練出來的模型，真的能用在現場嗎？
這就是 Sim2Real 落差，也是這個領域最核心的難題。模擬環境再擬真，光照、材質反射、感測器雜訊都跟現實有差，模型在模擬裡百分之百，到現場可能掉很多。Duality 有 Sim2Real 調校功能就是在處理這件事。實務上一定要用真實資料做最終驗證，別只看模擬數字。
台灣製造業最實際的應用是什麼？
我認為是 AOI 缺陷檢測的資料擴增。產線上的瑕疵品本來就稀少，某些少見缺陷可能一年才幾片，根本湊不出訓練資料。用模擬生成這些稀少類別，是相對容易算出投資報酬的切入點。
需要什麼技術能力才能導入？
門檻不低。要用 Unreal Engine 建場景（這本身是專業），要懂感測器模型設定，還要有能力做 Sim2Real 驗證。比較實際的做法是先用小範圍概念驗證（PoC）評估，或找有經驗的整合商協助，不要一開始就規劃大型專案。