تکنولوژی

نیانتیک اطلاعات پوکمون گو را به سیستم ناوبری هوش مصنوعی رقیب گوگل مپس تبدیل می‌کند

شرکت نیانتیک، سازنده بازی پوکمون گو، با استفاده از داده‌های جمع‌آوری‌شده از بازیکنان، یک سیستم ناوبری هوش مصنوعی توسعه داده است. این سیستم، از تصاویر گرفته شده توسط گوشی‌های هوشمند کاربران برای ایجاد نقشه‌های سه‌بعدی استفاده می‌کند و توانایی تشخیص و تفسیر فضاهای مختلف را دارد. نیانتیک بیش از ۵۰ میلیون شبکه عصبی آموزش داده است تا بتواند تجربه‌ای دقیق‌تر و همه‌جانبه‌تر را برای کاربران فراهم کند. این فناوری می‌تواند به بهبود تجربه‌های واقعیت افزوده و سیستم‌های خودکار کمک کند.

نیانتیک، شرکت پشت بازی بسیار محبوب پوکمون گو، در زمان راه‌اندازی این اپلیکیشن واقعیت افزوده در ژوئیه ۲۰۱۶ انقلاب بزرگی در دنیای بازی ایجاد کرد.

تا سال ۲۰۱۹، این اپلیکیشن بر روی بیش از یک میلیارد گوشی هوشمند در سراسر جهان نصب شده بود و بازیکنان را با ترکیب منحصر به فردی از کاوش فیزیکی و شکار مجازی جذب کرده بود.

برای کسانی که با این بازی آشنا نیستند، پوکمون گو نیاز دارد که بازیکنان به دنیای واقعی وارد شوند تا پوکمون‌ها را بگیرند، با بازیکنان دیگر مبارزه کنند و با مکان‌های مجازی در سراسر اجتماعاتشان تعامل کنند.

یکی از استراتژی‌های کلیدی پشت موفقیت پوکمون گو، توانایی نیانتیک در جلب بازیکنان به کاوش در مناطق کمتر شناخته شده شهرها و روستاهایشان است.

با قرار دادن استراتژیک پوکی‌استاپ‌ها و ورزشگاه‌ها، این شرکت تجربه بازی را بهبود داده و حجم زیادی از داده‌های جغرافیایی جمع‌آوری کرده است—که بسیاری از آن‌ها حتی جزئی‌تر از آنچه گوگل با نمای خیابانی خود ارائه می‌کند هستند.

سیستم ناوبری هوش مصنوعی

نیانتیک زیرساخت قوی برای نقشه‌برداری از فضاهای فیزیکی با استفاده از بازیکنان به عنوان "دوربین‌های انسانی" توسعه داده است.

در پنج سال گذشته، این شرکت بر سیستم موقعیت‌یابی تصویری (VPS) متمرکز بوده است که از تصاویر گرفته شده توسط گوشی‌های هوشمند کاربران برای تعیین مکان و جهت‌یابی استفاده می‌کند.

با کمک بازیکنان، نیانتیک نقشه سه‌بعدی از مکان‌های جالب ساخته و اسکن‌های عمیق از بیش از ۱۰ میلیون مکان در سراسر جهان را جمع‌آوری کرده است. به طور شگفت‌انگیزی، کاربران هر هفته حدود یک میلیون اسکن جدید اضافه می‌کنند.

این فناوری با تجزیه و تحلیل الگوهای بصری مکان‌های اسکن شده کار می‌کند.

به عنوان مثال، مدل محلی ممکن است تنها در جلوی ورودی را بشناسد اگر کاربر پشت یک کلیسا ایستاده باشد.

با این حال، با استفاده از بانک اطلاعات گسترده جهانی از ساختمان‌های مشابه ، نیانتیک می‌تواند به کاربر درک گسترده‌تری از محیط اطراف بدهد. این مساله اشتباهات را حذف کرده و تجربه‌ای دقیق‌تر و همه‌جانبه‌تر برای بازیکنان فراهم می‌کند.

آنچه نیانتیک را متمایز می‌کند، استفاده جاه‌طلبانه آن از شبکه‌های عصبی پیشرفته است. این شرکت ادعا می‌کند که بیش از ۵۰ میلیون شبکه عصبی را آموزش داده است، که هر یک برای نمایش یک فضای خاص یا دیدگاه منحصر به فرد طراحی شده است.

این شبکه‌ها هزاران تصویر را پردازش می‌کنند و آنها را به بازسازی‌های دیجیتالی جامع از مکان‌های واقعی تبدیل می‌کنند.

این شبکه‌ها بیش از ۱۵۰ تریلیون پارامتر قابل تنظیم دارند، که به آن‌ها این توانایی را می‌دهد تا فضاها را به دقت شناسایی و تفسیر کنند.

پوکمون گو

کاربردهای بالقوه این حجم وسیع از داده‌های جغرافیایی فراتر از بازی است.

نیانتیک امیدوار است از فناوری خود برای بهبود تجربه‌های واقعیت افزوده (AR)، توسعه سیستم‌های خودکار و بهبود ابزارهای ناوبری استفاده کند.

ابتکارات گذشته آن‌ها با استفاده از داده‌های بازیکن برای تحلیل الگوهای ترافیک عبور و مرور و تعیین مسیرهای بهینه پیاده‌روی، زمینه‌ساز نوآوری‌های آینده شده است.

بعلاوه، نیانتیک اخیراً با همکاری با دیگر شرکت‌های فناوری دست به توسعه زده است.

به عنوان مثال، آن‌ها با همکاری با مایکروسافت قابلیت‌های AR را از طریق پلتفرم ابری Azure بهبود بخشیدند، که نشان‌دهنده تأثیر رو به رشد AR در بخش‌های مختلف مانند خرده‌فروشی و آموزش است.

با ادامه تحول نیانتیک، برنامه این شرکت برای ایجاد مدلی جامع که هر موقعیت مکانی را درک کند—از خیابان‌های آشنا تا گوشه‌های گمنام—می‌تواند به پیشرفت‌های چشمگیری در نحوه تعامل ما با دنیای واقعی از طریق بازی‌ها و اپلیکیشن‌های دیجیتال منجر شود.

در میان پیشرفت‌های سریع فناوری در AR، نیانتیک همچنان در خط مقدم باقی می‌ماند، با پتانسیل شکل‌دهی به نحوه ناوبری کاربران در فضاهای فیزیکی و مشارکت در تجربه‌های غوطه‌ور.

با کمک مداوم از جامعه جهانی بازیکنان، نیانتیک به نظر می‌رسد که در سال‌های آینده همچنان یک بازیگر مهم در AR باقی بماند، و نگاهی تازه به نحوه درک و تعامل ما با محیط اطراف ایجاد کند.

توسط
Interesting Engineering
منبع
Interesting Engineering
نمایش بیشتر

اخبار مرتبط

بازگشت به بالا