想像一下，你站在一座熟悉的建築物前，無論是教堂、雕像還是廣場，即使你未曾從所有角度觀察過它，你也能輕易想像它從不同角度的樣貌。這是人類獨有的「空間理解」能力，我們能基於過往經驗填補細節、推斷未知。然而，對於機器而言，這項任務卻異常艱鉅。即使是當今最先進的 AI 模型，也難以想像場景的缺失部分或從新角度觀測。 但這種情況即將改變。空間智慧，將是 AI 模型的下一個「frontier」（新領域）。 Niantic，作為 AR 領域的先驅，正致力於構建「大型地理空間模型 (LGM)」。LGM 將利用大規模機器學習來理解場景，並將其與全球數百萬個場景連結起來，賦予機器如同人類般的空間理解能力。
令人振奮的革新：Niantic 的大型地理空間模型 (LGM)
近年來，大型語言模型 (LLM) 的發展對我們的生活和各個產業產生了不可否認的影響。LLM 透過學習大量的文本數據，展現出驚人的語言理解和生成能力，挑戰了我們對「智慧」的認知。 而 LGM 的目標，則是幫助電腦以同樣先進的方式感知、理解和導航現實世界。如同 LLM 學習文本數據，LGM 則學習大量的地理空間數據：數十億張錨定於精確地理位置的真實世界圖像，這些數據經過模型的萃取和學習，最終形成對空間、結構和物理互動的深度理解。
從文字到 3D，AI 的進化之路
從基於文本的模型到基於 3D 數據的模型，反映了近年來 AI 發展更廣泛的發展軌跡：從理解和生成語言，到解讀和創造靜態和動態圖像（2D 視覺模型），再到如今方興未艾的 3D 物體建模（3D 視覺模型）。 LGM 比 3D 視覺模型更進一步，它捕捉的是根植於特定地理位置、具有真實比例的 3D 實體。與生成無比例 3D 資產的 3D 生成模型不同，LGM 與真實世界的比例尺度綁定，能確保精確的尺寸估計。因此，LGM 所代表的是新一代的地圖，而非任意的 3D 資產。 3D 視覺模型或許能夠創造和理解 3D 場景，但 LGM 卻能理解該場景與全球數百萬個場景的地理關係。LGM 賦予機器「地理空間智慧」，使其能夠從先前的觀察中學習，並將知識遷移到新的位置，即使這些位置只有部分被觀察到。
LGM 的應用：空間智慧的無限可能
雖然搭載 3D 圖形的 AR 眼鏡距離大規模普及尚需數年，但 LGM 仍有機會與純音訊或 2D 顯示眼鏡整合。LGM 可以引導使用者探索世界、回答問題、提供個人化推薦、輔助導航，並擴增實境世界的互動。
此外，LGM 與 LLM 的整合，將使空間理解和語言理解相結合，讓人們更深入地了解周遭環境，並與其互動。
LGM 所帶來的地理空間智慧，還能生成、完善或操控 3D 世界模型，進一步推動 AR 體驗的發展。
Niantic 的探索：VPS 與神經地圖
過去五年，Niantic 一直致力於構建「視覺定位系統 (VPS)」。VPS 利用手機拍攝的單張圖像，透過由使用者掃描的 3D 地圖，精確判斷手機的位置和方向。 藉助 VPS，使用者可以公分級的精度將自己定位在真實世界中，並查看與物理環境精確
相關連結：
Share this content:
Related posts:
AI-Powered Learning Assistant: Instant Notes, Summaries, & Study Tools with Mindgrasp
AI Voice Detector: Detect Synthetic Audio & Human Voices with Accuracy
AI-Powered Meeting Assistants: Transcribing, Summarizing & Recording Online Meetings with Ease
Unlocking In-Context Learning: The Power of Few-Shot Prompting in AI Models
Detecting AI-Generated Audio: AI Voice Detector Tools for Authenticity Assurance
