Whalesbook
Decart తమ కొత్త Oasis 3 మోడల్ను రిలీజ్ చేసింది. ఇది ఆటోనమస్ వెహికల్ ట్రైనింగ్ కోసం ఫోటోరియలిస్టిక్ డ్రైవింగ్ ఎన్విరాన్మెంట్స్ను సింథసైజ్ చేస్తుంది. అయితే, ఈ ప్లాట్ఫారమ్ ఎడ్జ్-కేస్ సిమ్యులేషన్లను ఖర్చు లేకుండా ఇస్తుందని చెబుతున్నా, దీర్ఘకాలిక ఫిజికల్ కన్సిస్టెన్సీ, ఆబ్జెక్ట్ ఇంటరాక్షన్స్లో సాంకేతిక సమస్యలు దీని సామర్థ్యంపై సందేహాలను రేకెత్తిస్తున్నాయి.
టెక్నికల్ సవాళ్లు
Oasis 3 తో Decart, జనరేటివ్ వీడియో నుంచి ఫిజికల్ AI రంగంలోకి అడుగుపెట్టింది. ఈ స్టార్టప్ తమ సొంత ఆప్టిమైజేషన్ స్టాక్ ని ఉపయోగించి, హై-ఫిడిలిటీ సిమ్యులేషన్లలో ఉండే కంప్యూట్ ఓవర్హెడ్ను అధిగమించగలమని చెబుతోంది. ఈ వెర్టికల్ ఇంటిగ్రేషన్ ద్వారా Google వంటి పెద్ద సంస్థలకు పోటీ ఇవ్వాలని, తక్కువ ధరకే తమ సేవలను అందించాలని చూస్తోంది. అయితే, ఆటోనమస్ డ్రైవింగ్ కోసం రియల్-టైమ్ సింథసిస్ వైపు మొగ్గు చూపడం, మోడల్ విజువల్ ఔట్పుట్ మరియు ఫిజిక్స్-బేస్డ్ రిలయబిలిటీ మధ్య అంతరాన్ని సృష్టిస్తోంది.
సిమ్యులేషన్ Vs రియాలిటీ
ఈ ప్లాట్ఫారమ్ మల్టీ-కెమెరా ఫోటోరియలిస్టిక్ ఇమేజరీని అందించడంలో సక్సెస్ అయినా, విజువల్ ప్లస్సిబిలిటీకి, ఫిజికల్ యాక్యురసీకి మధ్య చాలా దూరం ఉంది. ఆటోనమస్ వెహికల్ డెవలప్మెంట్కు హై-క్వాలిటీ పిక్సెల్స్ మాత్రమే సరిపోవు. ప్రెసిస్ ఆబ్జెక్ట్ ఇంటరాక్షన్స్, ప్రిడిక్టబుల్ రోడ్ జామెట్రీ, టెంపోరల్ స్టెబిలిటీ కూడా అవసరం. ప్రస్తుత మోడల్ ఇంటర్మిటెంట్ ఎన్విరాన్మెంటల్ డిగ్రేడేషన్తో బాధపడుతోంది. అంటే, సిమ్యులేషన్ కాంటెక్స్ట్ కాలక్రమేణా ఫిడిలిటీని కోల్పోతుంది. ఇంజనీర్లకు అత్యంత సమస్య కలిగించేది 'ఘోస్టింగ్' లేదా ఫిజిక్స్ వయొలేషన్స్, అంటే వాహనాలు ఒకదానితో ఒకటి కలిసిపోవడం వంటివి. ఈ అస్థిరతలు, మోడల్ ఇమేజ్ జనరేషన్లో రాణించినా, సేఫ్టీ-క్రిటికల్ నావిగేషన్ సిస్టమ్స్కు అవసరమైన కఠినమైన ఫిజికల్ నియమాలను పాటించడంలో ఇబ్బంది పడుతుందని సూచిస్తున్నాయి.
ఇన్వెస్టర్లకు హెచ్చరిక
డెవలపర్ ఎకోసిస్టమ్ను విస్తరించే ప్రయత్నం, గతంలో వచ్చిన జనరేటివ్ AI వెంచర్ల గ్రోత్ ప్యాటర్న్లను పోలి ఉంటుంది. అయితే, ఇక్కడ అప్లికేషన్ చాలా ప్రమాదకరమైనది. చాట్బాట్ హాలూసినేషన్స్ మిస్ఇన్ఫర్మేషన్కు దారితీయవచ్చు. కానీ డ్రైవింగ్ సిమ్యులేషన్ లాజిక్లో వైఫల్యం ఆటోనమస్ ఫ్లీట్స్కు తప్పు ట్రైనింగ్ డేటాను అందించవచ్చు, దీనివల్ల పర్సెప్షన్ సాఫ్ట్వేర్లో సిస్టమాటిక్ బ్లైండ్ స్పాట్స్ ఏర్పడవచ్చు. Decart, డెవలపర్ కమ్యూనిటీ థర్డ్-పార్టీ ఆప్టిమైజేషన్ ద్వారా ఈ ఫిజిక్స్-బేస్డ్ లోపాలను పరిష్కరిస్తుందనే ప్రాతిపదికన పనిచేస్తోంది. పరిమిత ఫండింగ్తో పనిచేసే స్టార్టప్లకు ఇది సాధారణ వ్యూహం అయినప్పటికీ, ఆటోమోటివ్-గ్రేడ్ సిమ్యులేషన్ కోసం అధిక బారియర్ టు ఎంట్రీని విస్మరిస్తుంది. సాధారణ ట్రాఫిక్ ఫ్లోస్ మరియు అరుదైన యాక్సిడెంట్ దృశ్యాల మధ్య డేటా అసమతుల్యతను కంపెనీ పరిష్కరించే వరకు, ఈ మోడల్ ఫార్మల్ సేఫ్టీ వాలిడేషన్ కంటే, సౌందర్యం కోసం ప్రోటోటైపింగ్కు మాత్రమే సరిపోతుందని ఇన్వెస్టర్లు గమనించాలి.
భవిష్యత్ ప్రణాళిక
భవిష్యత్తులో, కన్సిస్టెన్సీని స్థిరపరచడానికి వీడియో-బేస్డ్ ఇన్పుట్ను ఇంటిగ్రేట్ చేయాలని కంపెనీ యోచిస్తోంది. అయితే, ఇప్పటికే తమ సొంత వరల్డ్ మోడల్స్ను మెరుగుపరుస్తున్న స్థాపించబడిన ప్లేయర్ల నుండి ఇది గట్టి పోటీని ఎదుర్కొంటోంది. ఈ API విజయం, డెవలపర్లు ప్రస్తుత ఫిజిక్స్ ఇంజిన్ పరిమితులకు నమ్మకమైన పరిష్కారాలను కనుగొనగలరా అనేదానిపై ఆధారపడి ఉంటుంది. దీర్ఘకాలిక కాంటెక్స్ట్ రిటెన్షన్లో పురోగతి లేకుండా, Oasis 3 ఆటోనమస్ వెహికల్ ట్రైనింగ్ పైప్లైన్లో ఒక ముఖ్యమైన భాగంగా కాకుండా, అధునాతన విజువల్ సాధనంగా వర్గీకరించబడే ప్రమాదం ఉంది.