Сканы окружения из Pokémon Go 2016 года теперь питают другую машину: Niantic продала игру в прошлом году и переключилась на world models, которые восстанавливают физическое пространство по визуальным данным. В отличие от large language models, предсказывающих следующее слово, такие системы предсказывают следующее визуальное состояние сцены и моделируют физику. 2027 год называют важным рубежом для домашней робототехники и беспилотных автомобилей, поэтому сдвиг важен: обучение перемещается с улиц и домов в generated environments.
Как сканы, фото и видео становятся симуляциями
Niantic Spatial строит копии реального мира на основе массива сканов окружения, собранных сотнями миллионов игроков. Директор по технологиям Brian McClendon описывает задачу как воссоздание улиц, интерьеров и препятствий в цифровой форме. После продажи игры компания позиционирует себя уже не как игровая студия, а как владелец пространственных данных для навигации и взаимодействия с объектами. Такая история дает ей стартовый актив, которого нет у многих лабораторий искусственного интеллекта.
Лаборатория Odyssey, специализирующаяся на world models, объясняет механику простыми словами. Генеральный директор Oliver Cameron говорит: языковая модель продолжает предложение, а модель мира продолжает изображение, создавая следующий вид сцены. На выходе получается 3D-генерация, которая выглядит и ощущается как настоящая, оставаясь при этом симуляцией. Такие генерации затем служат цифровыми полигонами, где программы отрабатывают движение и реакции.
Wayve применяет ту же логику к вождению. Главный научный сотрудник Jamie Shotton говорит, что модель мира для автомобиля должна реагировать на действия, а для этого нужно понимание физики, причин и следствий, а также поведения людей и объектов. Стартап частично обучает свою generative world model на записях видеорегистраторов и воссоздает опасные дороги и небезопасные условия, которые непрактично тестировать вживую. При отсутствии водителя за рулем реакции за доли секунды делают эту способность ключевой для внедрения.
Что модели мира означают для внедрения в бизнесе
Для компаний, рассматривающих роботов, практическое изменение состоит в подготовке без физического присутствия техники в целевом помещении. McClendon описывает схему, при которой сотрудники фотографируют зону работы, создают 3D-модель, а затем запускают миллионы симуляций для обучения робота параметрам пространства. Склад, магазин или клинику можно таким образом отрепетировать в цифровом виде до прибытия оборудования. Небольшие фирмы получают доступ к масштабному тестированию, а крупные операторы могут быстрее копировать множество площадок.
Ограничения связаны с поставками данных, реалистичностью и проверкой. Симуляции зависят от записанной реальности: фотографий, сканов и видео, включая сдельную работу, когда люди снимают домашние дела вроде складывания белья или мытья посуды за скромную плату. Смежный потенциал видят разработчики игр и инвесторы: Tencent создает собственные модели, Google рассказывает об улучшениях, Yann LeCun привлек более миллиарда долларов в Advanced Machines Intelligence, а AMD приобрела World Labs, запущенную Fei-Fei Li в 2024 году, более чем за 8 миллиардов долларов. Все это само по себе не гарантирует корректную работу модели на конкретном объекте.
Маркером для наблюдения назван 2027 год как возможная точка расширения домашней робототехники и беспилотных автомобилей. Если пилоты, обученные в основном в симуляции, перейдут к самостоятельной работе на реальных дорогах и в реальных домах, подход преодолеет деловой порог. Если внедрения останутся в рамках тестов под наблюдением и игровой графики, узким местом останется сбор физических данных.
