VCM2023_10 LR

DIGITALE TRANSORMATIE

Die methode werkt prima voor eenvoudige en kleine objecten zoals handen, gezichten, tafels, stoelen, wielen en geometri sche structuren met regelmatige vormen. Maar voor de grote en complexe objecten in de use cases van veel bedrijven zijn gelabelde trainingsdata (zeker in 3D) nog niet beschikbaar. Dat maakt het moeilijk – en vaak zelfs onmogelijk – om bij meer gesofisticeerde AR- en VR-toepassingen tracking en alignering op basis van 2D-beelden te gebruiken. Een oplossing bestaat erin 3D-omgevingen en AI-technologie binnen ‘mixed reality’-projecten te integreren. Zo komen we tot een meer waarheidsgetrouw resultaat en zal het gevir tualiseerde proces een grotere meerwaarde bieden voor de organisatie. 3D-AI die op ‘deep learning’ is gebaseerd, helpt gebruikers om 3D-objecten met een willekeurige vorm en grootte in eender welke oriëntatie met een hoge mate van accuraatheid te identificeren. Interessant is dat die toepassin gen met alle mogelijke vormen kunnen worden opgeschaald. Ze zijn dan ook erg geschikt bij use cases waarbij we complexe 3D-modellen en digitale twins met hun fysieke tegenhangers moeten overlappen. Die benadering is ook geschikt om gedeeltelijk afgewerkte structuren samen te brengen met 3D-modellen, wat handig is bij lopende constructies en assemblages. Bij die platformbe nadering kunnen gebruikers tot een zeer hoge accuraatheid binnen het model komen. Zo kunnen ze de echte en de virtuele wereld beter blenden in bedrijfsapplicaties. Dat is bijvoor beeld interessant bij trainingen met werkinstructies, tijdens de detectie van fouten en defecten in constructie- en assembla gewerkzaamheden en bij 3D-ontwerpen en engineering met levensgrote 3D-rendering en ‘overlays’. Het mag in elk geval duidelijk zijn dat een uitgekiende combinatie van AI, mixed reality-oplossingen en IoT interes sant is en – gezien de snel evoluerende technologie – steeds aantrekkelijker zal worden om de uitdagende duurzaamheids doelstellingen van ondernemingen in de komende jaren te verwezenlijken.

Dijam Panigrahi, medeoprichter en COO van GridRaster: “Producenten die sterk op AR en/of VR inzetten, zullen al snel beseffen dat ze makkelijker een antwoord kunnen bieden op de vraag naar een meer ecologisch verantwoorde aanpak, waarin duurzame consumptie en productie centraal staan.”

accuraatheid van 3D-modellen, aangezien 2D-tracking niet in staat is de diepte van objecten nauwkeurig in te schatten. Zo wordt het lastig om de schaal en de positie van de objecten in kwestie accuraat weer te geven. Dat betekent dat – zelfs als gebruikers de indruk krijgen dat iets er vanuit een bepaalde hoek of positie goed uitziet – de overlap minder gealigneerd zal zijn als de gebruiker er rond gaat bewegen in 6DOF (six degrees of freedom). Vaak vinden de objectdetectie, de identi ficatie en de inschatting van de schaal en oriëntatie dan plaats via eenvoudige computervisiemethoden met standaard trai ningsbibliotheken zoals Google MediaPipe of VisionLib.

20

WWW.VALUECHAIN.BE