3D светове, задвижвани от изкуствен интелект: Революция в имeрсивните технологии – Как сънищата и снимките се превръщат в 3D светове, в които може да се ходи пеша

Разходка през мечтана среда? Този изкуствен интелект го прави възможно – и можете да го тествате сами

Светът на изкуствения интелект прави гигантска крачка напред към триизмерното бъдеще. Стартъпът за изкуствен интелект World Labs, основан от известния изследовател от Станфорд Фей-Фей Ли, разработи вълнуваща технология, която генерира интерактивни 3D среди от прости текстови описания или 2D изображения. Тази иновация позволява на потребителите да се потопят и да изследват изцяло изкуствено създадени 3D светове, използвайки VR очила като Meta Quest 3 или Apple Vision Pro.

Приложението „Lofi Worlds“ впечатляващо демонстрира потенциала на тази технология. Потребителите могат да се потопят в измислено швейцарско планинско село на фона на величествени Алпи, да се разхождат из внушителни стиймпънк градове с богато украсени часовници и заострени кули или да се разхождат из приказни гори, пълни с флуоресцентни гигантски гъби. Тези светове варират от фотореалистични рендери и фантастични пейзажи от сънища до артистично стилизирани среди, които дори добавят допълнителни измерения към известни картини като „Нощни ястреби“ на Едуард Хопър.

Визионерът зад технологията

Фей-Фей Ли, често наричана „кръстницата на изкуствения интелект“, е пионер в областта на изкуствения интелект с изключителен принос за развитието на компютърното зрение. Тя е известна с разработването на набора от данни ImageNet, считан за един от трите крайъгълни камъка на съвременната революция в областта на изкуствения интелект. Като професор по секвоя в Станфордския университет и съосновател на Станфордския институт за човекоцентриран изкуствен интелект, тя носи уникален опит в света на пространствения интелект.

Ли е убеден, че следващата важна стъпка в развитието на изкуствения интелект се крие в пространствената интелигентност – способността за разбиране на пространствата и взаимодействие с триизмерни среди. Тази способност би позволила на системите с изкуствен интелект вече да не виждат света просто като двуизмерни, статични изображения, а да го схващат като динамична, управляема реалност.

Технически основи и иновации

В основата на технологията на World Labs е 3D Gaussian Splatting, иновативна техника за рендиране, която сглобява триизмерни среди от малки, пространствено разположени цветни частици. Този метод създава изображения, наподобяващи импресионистично произведение на изкуството, тъй като отделните цветни пръски се сливат в съгласувани пейзажи едва от общата перспектива.

Революционната иновация на Lofi Worlds се крие във факта, че тези Splats не са статични, а могат да реагират динамично. Те се движат нежно на вятъра, симулират шумолене на листа или започват да се набръчкват при допир, сякаш са живи. Тази интерактивност е възможна благодарение на технологията Spark, 3D рендер за уеб приложения, разработен специално от World Labs.

Spark използва WebGL2 за рендиране на Gaussian splats и е съвместим с широко използваната 3D графична библиотека Three.js. Тази комбинация осигурява широка съвместимост с устройства, позволявайки приложението да се използва не само на VR очила, но и на смартфони и настолни компютри.

WebXR: Мостът между уеб и виртуалната реалност

Достъпността на Lofi Worlds се осигурява от технологията WebXR, отворен уеб API, който прави завладяващите преживявания достъпни директно в браузъра. WebXR е съкращение от Extended Reality (Разширена реалност) и поддържа както виртуална реалност, така и добавена реалност, без да е необходимо изтегляне на специални приложения.

Тази технология революционизира начина, по който се предоставя завладяващо съдържание, като създава безпроблемен интерфейс между уеб и VR. Разработчиците могат да създават XR приложения, които работят на широк спектър от устройства, от мобилни устройства до висок клас VR очила. Обхватът е максимален, докато усилията за програмиране са минимизирани.

Хардуер за виртуална реалност и проследяване на ръцете

MetaQuest 3 и Apple Vision Pro представляват най-новото поколение самостоятелни VR очила, способни да изпълняват сложни 3D приложения без външни компютри. Тези устройства разполагат с вградена технология за проследяване на ръцете, която позволява на потребителите да взаимодействат директно с виртуални обекти, използвайки ръцете си.

Проследяването на ръцете работи чрез камери и сензори, които улавят позицията, дълбочината, скоростта и ориентацията на ръцете в реално време. Тези данни се анализират и трансформират във виртуално представяне на движенията на ръцете, което след това се интегрира в 3D средата. Технологията прави възможно хващането, манипулирането или хвърлянето на обекти без нужда от физически контролери.

Изкуствен интелект и пространствен интелект

World Labs преследва амбициозната цел за разработване на така наречените „Големи световни модели“ – системи с изкуствен интелект, които могат да разбират и генерират устойчиви, удобни за навигация и геометрично точни 3D среди. Тези модели би трябвало да позволят на изкуствения интелект да възприема света като пространствено и физически осезаем, точно както го правят хората.

Пространствената интелигентност е способността за визуализиране на пространства и взаимодействие с обекти в тях – умение, което свързва възприятието с действието. Например, когато хората видят чаша на маса, мозъкът им незабавно обработва нейната геометрия, разположение и връзка с други обекти. Този вид пространствено осъзнаване е от решаващо значение за истинския анализ на реалния свят от страна на изкуствения интелект.

Предизвикателства и ограничения

Въпреки впечатляващия напредък, технологията все още има значителни ограничения. Свободата на движение в 3D светове е силно ограничена – само след няколко виртуални метра потребителите се сблъскват с невидими граници, които разбиват илюзията за безшевна 3D среда. Освен това, резолюцията е сравнително ниска и изображението често е размазано.

Тези, които се отклонят твърде много от оригиналната перспектива, ще открият тъмни празнини в Гаусовите искри, които намаляват потапянето. Тези проблеми са типични за ранните етапи на развитие на новите технологии и се очаква да бъдат решени с по-нататъшното развитие на алгоритмите и увеличаването на изчислителната мощност.

Намиране на подходящата агенция, офис за планиране или консултантска фирма на Metaverse - Изображение: Xpert.Digital

🗒️ Намиране на подходящата агенция, офис за планиране или консултантска фирма на Metaverse – Търсене и търсене: Десет най-добри съвета за консултиране и планиране

Повече информация тук:

• Експерти в Метавселена и XR: Намерете правилните партньори

Области на приложение и бъдещи перспективи

Потенциалните приложения на генерираните от изкуствен интелект 3D светове са разнообразни и широкообхватни. Във филмовата индустрия сложни сцени и среди биха могли да бъдат създадени без сложни декори или екипи за компютърна графика. Архитектите биха могли да представят своите проекти в 3D модели, по които може да се движи човек, докато разработчиците на игри биха могли да генерират нови светове за рекордно кратко време.

В образованието се появяват изцяло нови възможности за завладяващи учебни преживявания. Уроците по история биха могли да се провеждат в исторически точни 3D реконструкции, докато уроците по биология биха могли да се провеждат в детайлни клетъчни структури или екосистеми. Медицината би могла да се възползва от технологията, като практикува хирургически процедури във виртуални среди или провежда терапии в успокояващи, изкуствено генерирани пейзажи.

Технология на рендиране и визуално качество

Използваната 3D техника на Гаусово разпръскване предлага няколко предимства пред конвенционалните полигонални модели. Вместо да се използват фиксирани геометрични структури, методът се основава на динамични облаци от точки, които се адаптират гъвкаво към условията на осветление и перспективите. Това позволява невероятно ниво на детайлност, като вярно възпроизвежда дори най-фините текстури на повърхността.

Импресионистичният вид, създаден чрез техниката на пръскане, напомня за стила на рисуване на френските импресионисти от 19-ти век. Подобно на картина на Клод Моне, отделните цветни точки се сливат в единен образ само от разстояние. Тази характеристика придава на изкуствено генерираните светове уникално естетическо качество.

Пазарна позиция и инвестиции

Въпреки ранния си етап на развитие, World Labs вече е набрала 230 милиона долара рисков капитал. Сред инвеститорите са известни фирми за рисков капитал като Andreessen Horowitz и New Enterprise Associates, както и технологични компании като AMD, Intel и Nvidia. Тези значителни инвестиции подчертават увереността на индустрията в потенциала на пространствената технология за изкуствен интелект.

Компанията с 20 служители работи за пускането на технологията на пазара до 2025 г. и за фундаментална революция в създаването на 3D съдържание. Тяхната визия е да разработят генеративен изкуствен интелект, който създава цялостни, изследваеми 3D среди, базирани на текстови описания или отделни изображения.

Социални и културни въздействия

Разработването на генерирани от изкуствен интелект 3D светове може да има дългосрочни обществени последици. От една страна, то демократизира създаването на висококачествено 3D съдържание, тъй като не се изискват специализирани познания за 3D моделиране или анимация. От друга страна, то повдига въпроси относно автентичността и стойността на човешкото творчество.

В развлекателната индустрия биха могли да се появят нови форми на разказване на истории, където зрителите не са просто пасивни потребители, а се превръщат в активни участници в историите. Имерсивните преживявания биха могли фундаментално да променят традиционното разбиране за медиите и развлеченията.

Технически предизвикателства и решения

Разработването на модели на големи светове представлява значителни технически предизвикателства. Обработката на милиони маркери от видео и речеви данни изисква иновативни подходи към управлението на паметта и изчисленията. World Labs използва усъвършенствани техники като RingAttention, за да обучава върху дълги последователности и постепенно да увеличава размера на контекста от 4000 до един милион маркера.

Качеството на генерираните светове зависи силно от качеството на обучение на основните модели на изкуствен интелект. Колкото по-разнообразни и обширни са данните за обучение, толкова по-реалистични и детайлни стават генерираните 3D среди. Предизвикателството се състои в събирането и обработката на достатъчно количество висококачествени 3D данни.

Сравнение с традиционните методи за 3D създаване

Традиционното 3D моделиране изисква специализиран софтуер като Blender или Maya, както и дългогодишен опит в 3D дизайна. Процесът е времеемък и изисква подробни познания за геометрията, текстурирането и осветлението. Генерираните с изкуствен интелект 3D светове, от друга страна, могат да бъдат създадени за минути или часове, въз основа на прости текстови описания или референтни изображения.

Това повишаване на ефективността би могло да революционизира 3D индустрията, подобно на това, как генераторите на текст повлияха на писателската индустрия. Професионалните 3D художници биха могли да променят ролята си от ръчно създаване на съдържание към куриране и усъвършенстване на генерирано от изкуствен интелект съдържание.

Перспективи и бъдещо развитие

Бъдещето на генерираните от изкуствен интелект 3D светове обещава вълнуващи развития. С напредването на технологиите качеството, нивото на детайлност и интерактивността на генерираните среди непрекъснато ще се подобряват. Интеграцията с други системи с изкуствен интелект, като езикови модели и роботика, би могла да отвори изцяло нови области на приложение.

В медицината, интелигентните сензори, задвижвани от изкуствен интелект, биха могли да подобрят грижите за пациентите, като наблюдават хигиената на клиничния персонал или регистрират използването на хирургически инструменти. Бъдеще, в което автономни роботи транспортират медицински консумативи, добавена реалност насочва хирурзите, а пациенти с тежка парализа контролират роботизирани ръце с мислите си, става все по-осезаемо.

Развитието на World Labs и подобни компании показва, че сме в началото на нова ера на пространствена интелигентност. Компютрите и роботите биват оборудвани със способността да разсъждават и да взаимодействат с триизмерния свят. Тези цифрови системи биха могли да се превърнат в надеждни партньори в усилията ни да разберем и подобрим света.

Технологията на World Labs е повече от просто технологична иновация – тя е прозорец към бъдеще, където границите между физическия и дигиталния свят се размиват. С всеки напредък в пространствения интелект ние се приближаваме до свят, където изкуственият интелект не само обработва информация, но и разбира, създава и взаимодейства с пространствата.

☑️ Подкрепа за МСП в стратегията, консултирането, планирането и внедряването

☑️ Създаване или пренасочване на дигиталната стратегия и дигитализация

☑️ Разширяване и оптимизиране на международните процеси на продажби

☑️ Глобални и дигитални B2B търговски платформи

☑️ Pioneer Business Development

Konrad Wolfenstein

С удоволствие бих служел като ваш личен съветник.

Можете да се свържете с мен, като попълните формата за контакт по-долу или просто ми се обадите на +49 89 89 674 804 (Мюнхен) .

Очаквам с нетърпение нашия съвместен проект.

Xpert.Digital е индустриален център, фокусиран върху дигитализацията, машиностроенето, логистиката/интралогистиката и фотоволтаиката.

С нашето 360° решение за бизнес развитие, ние подкрепяме известни компании от нов бизнес до следпродажбено обслужване.

Пазарно разузнаване, маркетинг, маркетингова автоматизация, разработване на съдържание, PR, имейл кампании, персонализирани социални медии и подхранване на лийдове са част от нашите дигитални инструменти.

Можете да намерите повече информация на: www.xpert.digital - www.xpert.solar - www.xpert.plus