Hvis du de siste ti årene har vært blant de 700 millioner spillerne til Pokemon Godu også har bidratt til trene en geospatial kunstig intelligens deretter brukt til å lage 3D-kart for drev leveringsrobot. Mellom å jage en sjelden Pokémon i byen deres og ramme inn et torg for å samhandle med et «virtuelt treningsstudio», tok brukere som spilte Pokémon Go ekstremt verdifulle bilder og informasjon om plassen. Men verdifullt for hvem? Til Niantic Spatialen avdeling av Niantic (selskapet som fortsatt utvikler spillet i dag), som brukte denne informasjonen til å drive et ekstremt presist navigasjonssystem. Resultatet er programvare som er i stand til nøyaktig å lokalisere enheter og roboter i den virkelige verden ved hjelp av ikke bare satellittkoordinater, men også visuelle elementer av omgivelsene. I praksis har det som var et enkelt tidsfordriv for mange brukere (og fortsatt er for de som spiller tittelen) blitt en grunnleggende brikke i utviklingen av kunstig intelligens-modeller som lar maskiner orientere seg i det fysiske rommet. Hvilke maskiner? De av Coco Roboticssom utvikler leveringsroboter og vil bruke Niantic Spatial-plattformen til å veilede robotene sine nøyaktig i de travle byene der den tilbyr sine tjenester, inkludert Los Angeles, Chicago og Helsinki.
Pokémon Go og Niantics AI: 3D-kartlegging med 30 milliarder bilder
Fra 2016året for spillets lansering, har blitt akkumulert over 30 milliarder bilder kommer fra gater, parker og offentlige steder samlet inn gjennom AR-funksjoner og interaksjoner i appen. Dette enorme arkivet er grunnlaget for det Niantic kaller en LGM (Stor geospatial modell), dvs. en stor geospatial modell: en kunstig intelligensstruktur trent til forstå fysisk rom gjennom visuelle data. På denne måten er programvaren ikke bare i stand til å vite hvor et objekt befinner seg på et kart, men er også i stand til å gjenkjenne det, tolke det og plassere det i konteksten som omgir det.
Hjertet i denne teknologien er VPS (Visuelt posisjoneringssystem), et posisjoneringssystem som bruker bilder i stedet for satellittsignaler. I motsetning til GPSsom er basert på data fra verdensrommet, analyserer VPS detaljer som bygninger, skilt eller monumenter for å bestemme posisjon og orientering. Denne tilnærmingen er spesielt effektiv i komplekse urbane eller innendørs miljøer, der satellittsignalet kan være unøyaktig eller ustabilt.
Denne teknologien er nå i sentrum av samarbeidet med Coco Roboticsen oppstart basert i Santa Monica (California), grunnlagt i 2020, og spesialiserer seg på robotikk for urban mat og levering av dagligvarer. Vi snakker om små autonome kjøretøy på hjul som beveger seg på fortau og som må håndtere ekstremt varierende scenarier: fotgjengere, hindringer, kryss og kontinuerlige endringer i miljøet. Ved å integrere GPS og VPS kan disse robotene forbedre sin orienteringsevne betydelig og redusere lokaliseringsfeil.
Hva Pikachu har til felles med leveringsroboter
John Hankeadministrerende direktør i Niantic Spatial, uttalte angående saken at «Potensialet til last-mile robotics er enormt, men virkeligheten med å navigere i kaotiske bygater er en av de tøffeste tekniske utfordringene» og la så til at «få Pikachu til å løpe realistisk og få Cocos robot til å bevege seg trygt og presist gjennom verden er faktisk det samme problemet».
Hanke sier noe interessant, nemlig at det å få en virtuell karakter til å bevege seg troverdig i det virkelige rommet og kjøre en fysisk robot gjennom gatene i en by deler det samme tekniske problemet: forstå og tolke tredimensjonalt rom i sanntid. Det er her verdien av spillerinnsamlede data kommer inn, og tilbyr en ekstremt detaljert og oppdatert representasjon av verden.
En betydelig del av denne informasjonen kommer fra spillspesifikke funksjoner, som f.eks skanneaktivitet i utvidet virkelighet eller AR. I disse tilfellene var deltakelsen eksplisitt: brukerne måtte aktivere funksjonen og godta å laste opp innholdet. Niantic sa at de har opprettholdt åpenhet rundt disse prosessene, gjort bidrag valgfrie og informert brukere om databruk (minst fra 2019 og utover).
