Выйшла новая Gemini 4 Argon. Яна будуе рэалістычныя 3D-сімуляцыі і пакадрава аналізуе відэа
Кампанія Google прадставіла новую мадэль штучнага інтэлекту Gemini 4 Argon. Мадэль малюе 3D-аб’екты, самастойна стварае файлы для 3D-друку па фатаграфіі і нават навучае робатаў па звычайных аматарскіх відэароліках. Вывучылі, на што здольная новая сістэма.
Самае прыкметнае абнаўленне — прасторавае мысленне мадэлі. Замест таго каб спампоўваць ці імпартаваць гатовыя 3D-файлы, Argon здольная рэндэрыць трохвымерныя аб'екты і сцэны выключна праз матэматычныя формулы і код.
У адным з тэстаў мадэлі паказалі ўсяго адзін канцэпт-арт дракона і папрасілі стварыць яго 3D-мадэль без выкарыстання 3D-рэдактараў. Argon напісала код на чыстым Python з выкарыстаннем матэматычных функцый адлегласці (SDF), які цалкам рэндэрыць дракона ў 3D-прасторы з правільнымі прапорцыямі з усіх ракурсных вуглоў.
Усе нашы тэсты мы рабілі па адным запыце — пытанне было ў тым, што мадэль можа рабіць «з каробкі» і без шматгадзінных гутарак з ёй.
Спачатку мы папрасілі згенераваць мадэль чорнай дзіркі. Gemini 3.1 у рэжыме High выдала даволі простую сімуляцыю.
А Gemini 4 у рэжыме High выдала значна больш складаную і дэталізаваную мадэль, якая ўлічвала нашмат болей параметраў. На жаль, першапачатковая мадэль занадта запавольвала браўзер і давялося яе спрасціць, але нават спрошчаны вынік значна больш рэалістычны, чым у Gemini 3.1.
Таксама Argon нашмат лепей умее рабіць 3D-мадэлі для друку па фота. Напрыклад, мы загрузілі фота стала, каб яна згенеравала гатовы файл для 3D-друкаркі. Gemini 3.1 так сабе справіўся з задачай — прапанаваў стол без паліц і не ўлічыў форму ножак на фота.
Тым часам Argon адразу перамаляваў стол з усімі паліцамі і адлюстраваў ягоную рэальную форму. Таксама ён зразумеў, што ножкі маюць нераўнамерную форму і ўлічыў гэта пры пабудове мадэлі.
Argon атрымала здольнасць пакадрава аналізаваць рэальныя відэазапісы і пераносіць убачанае ў фізічны свет. Мадэлі паказалі 20‑секунднае аматарскае відэа, дзе чалавек кідае мяшочак у гульні карнхол.
Argon зняла прасторавыя каардынаты руху, пабудавала сімуляцыю і перанесла код на чалавекападобнага робата Apptronik Apollo, які пасля гэтага закінуў у мішэнь сем мяшочкаў запар у рэальным жыцці.
Робата ў нас няма, але мы пратэставалі гэта на відэа з бегуном, які спачатку бяжыць хутка, а пасля трушком. Gemini 3.1 пабудавала просценькую сімуляцыю і, падобна, не аналізавала відэа пакадрава (мяркуючы па апісанні, якое яна дала ў чат-боце).
У той час Argon зрабіў значна больш складаны код, які ўлічвае значна болей параметраў і дазваляе наладжваць бегуна інтэрактыўна.
«Наша Нiва» — бастыён беларушчыны
ПАДТРЫМАЦЬ
Замест парэшткаў Вітаўта за сцяной Віленскай катэдры знайшлі толькі кучу камянёў. Але ўлады Літвы гатовыя выдаткаваць на працяг пошукаў яшчэ 1,5 мільёна еўра3030
Каментары