Niantic создает «геопространственную» модель ИИ на основе данных игроков Pokémon Go

Компания Niantic объявила о создании новой «Большой геопространственной модели» (LGM), которая объединяет миллионы сканов, полученных со смартфонов игроков Pokémon Go и других продуктов Niantic. Эта модель ИИ может позволить компьютерам и роботам понимать и взаимодействовать с миром новыми способами, заявила компания в сообщении в блоге, обнаруженном Garbage Day.

«Пространственный интеллект» LGM основан на нейронных сетях, разработанных в рамках системы визуального позиционирования Niantic. В сообщении в блоге объясняется, что «За последние пять лет Niantic сосредоточилась на создании нашей системы визуального позиционирования (VPS), которая использует одно изображение с телефона для определения его положения и ориентации с помощью 3D-карты, созданной на основе сканирования людьми интересных мест в наших играх и Scaniverse», и «Эти данные уникальны, поскольку они получены с точки зрения пешехода и включают места, недоступные для автомобилей».

Главный научный сотрудник Niantic Виктор Присакариу был более откровенен в вопросах и ответах 2022 года, заявив: «Используя данные, которые наши пользователи загружают, играя в такие игры, как Ingress и Pokémon Go, мы создали высококачественные 3D-карты мира, которые включают как 3D-геометрию (или форму вещей), так и семантическое понимание (что находится на карте, например, земля, небо, деревья и т. д.)». Как отмечает 404 Media, никто из тех, кто скачал Pokémon Go в 2016 году, не мог предсказать, что их данные «однажды станут основой для этого типа продукта ИИ».

Источник: The Verge

AI News

Статьи и новости о нейросетях и искусственном интеллекте, просто и понятно о сложных технологиях. Освещает современные тенденции, объясняет, как работают ИИ-системы, и показывает, каким образом нейросети меняют различные сферы жизни. Регулярно собирает подборки и топы полезных нейросетей, тщательно отбирая актуальные инструменты и сервисы, которые могут существенно упростить рабочие и повседневные задачи. В своих подборках делится описаниями возможностей каждой нейросети, а также рекомендациями по их применению, чтобы помочь читателям быстро разобраться в новых технологиях и использовать их с максимальной пользой.

Социальные сети автора: