Глубокий анализ: Действительно ли мировые модели лишь иллюзии или путь к реальным решениям? На примере Atlas от World Labs
Здравствуйте, я ваш финансовый журналист и экономист. Сегодня мы поговорим о теме, которая вызвала большой резонанс в мире технологий и капитала — о мировых моделях (World Models).
Если вы следите за развитием искусственного интеллекта, возможно, вы слышали о Sora — модели, способной генерировать реалистичные видео, а также о различных роботах. Но недавно компания World Labs выпустила продукт под названием Atlas, который похож на Sora, но выполняет совершенно другие задачи.
Основная идея этой статьи очень важна: сегодня соревнование в области мировых моделей смещается от того, кто может создать наиболее красивые изображения, к тому, кто может делать наиболее точные и полезные расчеты. Многие компании все еще сосредоточены на улучшении качества изображений, но для реального применения в промышленности необходимы цифровые среды, в которых роботы могли бы напрямую выполнять свои задачи.
Далее я объясню эту сложную технологию на простом языке, разделив статью на пять ключевых аспектов, чтобы вы поняли логику и возможности этого технологического прорыва.
---
1. Основное отличие: Sora создает видео, а Atlas — трехмерные сцены
Прежде всего, нужно разрешить одно важное заблуждение: Atlas не является генератором видео — это инструмент для воссоздания трехмерных сцен.
- Sora (генерация видео): Вы даете ему текст, например, «кошка бегает по траве», и он генерирует соответствующее видео. Для него важно, насколько плавно соединены пиксели и насколько реалистично изображение. Конечный результат — это видеофайл, предназначенный для просмотра человеком.
- Atlas (мировые модели): Вы предоставляете ему несколько фотографий с разных ракурсов, и он воссоздает трехмерное пространство. Для него важно, правильны ли координаты объектов и насколько точна их геометрия. Конечный результат — это набор точек с координатами или трехмерные модели с формами и цветами.
Простой пример:
Sora похож на художника, создающего реалистичную картину; как бы красива она ни была, вы не сможете в нее войти. Atlas, напротив, похож на человека, строящего комнату из конструктора Lego: комната имеет размеры, и роботы могут в нее войти, а программа может напрямую считывать данные.
Почему это важно?
Роботам не нужно смотреть видео — им важно знать, где находятся стены, как высок стол и могут ли они перемещаться. Atlas предоставляет данные, которые могут быть использованы роботами для выполнения действий, что является основой для развития искусственного интеллекта.
---
2. Технологический прорыв: от профессиональной картографии к простому использованию смартфона
Раньше создание трехмерных сцен для обучения роботов было очень дорогостоящим процессом: требовались специальные лазерные сканеры и десятки камер для съемки сотен фотографий, после чего инженеры тратили дни на создание моделей вручную. Это было похоже на процесс создания плана здания с помощью специализированных команд.
Atlas значительно снижает этот уровень сложности и увеличивает эффективность:
- Минимальные требования к входным данным: Для воссоздания использовуемой сцены достаточно всего двух обычных фотографий смартфона или до 25 фотографий.
- Интеллектуальное воссоздание: Официальные демонстрации показывают, что, имея фотографию стола, система может воссоздать всю комнату; добавив панорамный снимок, она определит местоположение стульев, а снимок сбоку — расположение дисплея. Это не просто сборка фрагментов изображений, а понимание взаимосвязей объектов в пространстве.
- Удивительные результаты: Например, главный двор Стэнфордского университета можно воссоздать, используя всего несколько фотографий с земли сделанных смартфоном.
Коммерческое значение:
Это означает, что создание трехмерных сцен стало доступно для широкой аудитории: обычные инженеры и даже неспециалисты могут с помощью смартфона создать виртуальную среду для обучения роботов за несколько минут. Снижение затрат на сбор данных является ключевым фактором для роста этой отрасли.
---
3. Основные возможности: позволяет роботам «видеть» и «предвидеть» будущее
Atlas не только преобразует фотографии в трехмерные модели, но и позволяет контролировать угол зрения и время:
- Контроль над камерой: Вы можете указать Atlas, с какого угла смотреть на сцену и как медленно отступать камера. Это позволяет создавать видео в разрешении до 1440p продолжительностью до одной минуты.
- Преимущество перед другими моделями: Другие модели используют текстовые описания движений камеры, что часто приводит к ошибкам. Atlas использует точные координаты, что обеспечивает высокую точность. В тестах Atlas превзошел другие модели на 75–94%, особенно при сложных движениях камеры.
- Симуляция времени и пространства: Эта функция очень удивительна: несколько смартфонов синхронно записывают видео, и Atlas может «заморозить» время, позволяя вам видеть один и тот же момент с любого угла.
- Раньше: Для этого требовались десятки синхронизированных камер и значительные затраты.
- Теперь: Достаточно нескольких смартфонов и Atlas.
Ценность для роботов:
Это не только для развлечений. В процессе обучения роботов важно знать, что произойдет, если они сделают определенное движение. Atlas позволяет в реальном времени генерировать необходимые данные для их датчиков. Кроме того, одна и та же реальная сцена может быть представлена в тысячах вариантов (изменение освещения, перемещение препятствий, изменение маршрута) без необходимости повторного создания сцены.
Короткое резюме:
Роботам достаточно одного визита в реальный мир, чтобы создать множество цифровых копий для тренировок. Субъектами сбора данных становятся не реальные роботы, а их виртуальные аналоги.
---
4. Серьезные ограничения: Atlas может создавать визуальные изображения, но не может учитывать физические законы
Хотя Atlas очень мощен, в статье честно указываются его ограничения: он понимает только геометрию, но не физику:
- Что он может: Создавать точные трехмерные изображения и контролировать движение камеры.
- Что он не может: Не учитывает физические свойства объектов (массу, коэффициент трения, поведение при воздействии сил и т. д.). Например, Atlas знает, что на столе лежит яблоко, но не может определить, мягкое оно или твердое, как далеко оно упадет при толчке и не разобьется. Эти данные невозможно получить из фотографий.
- Технические проблемы: Функция оптимизации Atlas направлена на сохранение качества изображений, а не на точность физических расчетов. Для физического моделирования требуются внешние движки, такие как MuJoCo или PhysX.
Простой пример:
Atlas — это профессиональный художник, способный создать реалистичные изображения, но не знающий законов механики. Он может нарисовать стену красного цвета, но не может определить, выдержит ли она нагрузку. Если робот столкнется со стеной, Atlas сможет показать визуальные последствия, но не рассчитать силу удара.
Почему World Labs приобрел компанию SceniX:
SceniX специализируется на добавлении физических свойств (массы, коэффициента трения и т. д.) к виртуальным объектам. Сочетание технологий World Labs (геометрия) и SceniX (физика) позволяет создать полноценные системы для переноса данных из реальности в симуляцию и обратно.
---
5. Перспективы отрасли: от восприятия к пониманию реальности
- Текущий этап: Большинство компаний сосредоточены на воссоздании геометрии и генерации изображений. Победитель определяется тем, кто может создать наиболее реалистичные сцены.
- Будущая конкуренция: Основная борьба будет в унификации геометрических и физических данных. Геометрию можно вычислить из фотографий, но физические параметры (например, свойства материалов и механизмов) можно определить только путем реальных экспериментов.
- Важность данных: Компании, способные создавать качественные тренировочные данные по минимальным затратам (с помощью смартфонов), смогут снизить барьеры для разработки роботов и занять ведущие позиции в отрасли.
- Слияние физических и визуальных моделей: Компании, работающие только с визуальными или физическими аспектами, рискуют быть вытесненными. Компании, объединяющие обе технологии, как World Labs, имеют большие шансы стать лидерами в области искусственного интеллекта.
Вывод:
Появление Atlas означает важный шаг на пути от академических концепций к практическому применению мировых моделей. Оно решает вопрос о том, как выглядит мир, но для понимания его функционирования необходимы дополнительные физические модели.
Суть соревнования не в том, кто создает самые красивые видео, а в том, кто может предоставить роботам наиболее реалистичные, недорогие и удобные цифровые среды для тренировок. Когда геометрия и физика полностью слиятся, отрасль искусственного интеллекта достигнет настоящего прорыва.