BIG DATA
Большие данные

Methods
Big Data - это метод обработки данных.
Не конкретный объем и не сами данные, а именно способ, позволяющий распределенно обрабатывать информацию. Обработать таким образом можно объемный массив данных, такой как содержание всех страниц в сети. А можно минимальный. К примеру - содержание брошюры.
Make statistic
Big data расставляет все по своим местам.
Как если бы в супермаркете перепутались все стеллажи. Капуста оказалась возле кошачьего корма, замороженная пицца около молока. Можно было бы применить технологии больших данных и систематизировать продукты по категориям, узнать цену и срок годности. Более того, с помощью big data реально узнать, кто еще покупает кошачий корм и почему они выбирают Whiskas, а не Purina.

Стимулирование продаж в VR-шоурумах

Мы создаем виртуальные шоурумы недвижимости. Собираем и систематизируем данные абсолютно обо всех движениях пользователей во всех шоурумах, которые мы когда-либо создали. Благодаря этому можно, к примеру, разделить всех покупателей на несколько типов: покупающие здесь и сейчас, "просто посмотреть" и кредитные заемщики.

Система понаблюдает за посетителями и обнаружит, что у каждого типа есть свой сценарий поведения. Покупающие здесь и сейчас идут из ванной в спальню, а кредитные заемщики, в первую очередь, двигаются в кухню. И вот, из их сценария поведения, уже можно подсказывать менеджеру, где лучше внести финальные аккорды в рассказ о прелестях конкретной квартиры и рассчитывать на успешное завершение сделки. Так, основываясь на принципах работы Big Data, можно положительно влиять на продажи и знать все о своих клиентах.

Sales 1

Та же самая технология используется в автомобильных VR-шоурумах. Ведь система может ориентироваться на что угодно: как двигается пользователь, куда смотрит, как реагирует когда в поле его зрения появляется что-либо и пр.

Задать вопрос

Machine Learning (ML) Машинное обучение/ AI Искусственный интеллект (ИИ)

Artificial intelligence
ML - это процесс обучения компьютера на основе примеров. Способность компьютерных программ решать творческие и интеллектуальные задачи, принимать решения и делать выводы. Сисема рассматривает огромное множество примеров и находит закономерности. После этого - использует их, чтобы предположить какими же будут новые данные при аналогичных условиях.

Вы ищете фильм "Сияние" с Джеком Николсоном. А компьютер предлагает вам еще и комедию "Любовь по правила и без" с тем же Николсоном. Так работает машинное обучение. Перед вами миллиард пользователей сообщил компьютеру десятку своих топ-фильмов. Это были примеры. Компьютер проанализировал и нашел общие черты у этих фильмов. Потом он нашел закономерность в предпочтениях пользователей и нашел интересную тенденцию: люди чаще смотрят кино со знакомым актерами. Поэтому перед вами и оказалась очередная кинолента с Джеком Николсоном.

Соувинг скелетов по 6 точкам

Изначально платформа PolygonVR отслеживала положение игрока в пространстве по тридцати семи пассивным датчикам. Они были установлены на всех важных местах: сгибающихся, разгибающихся, меняющих положение относительно остальных. Чтобы облегчить процесс надевания костюма для VR-игры, мы решили перейти на 6 активных датчиков. Они устанавливались на руках - два штуки, на ногах - тоже два, и еще по одному на голове и игровом рюкзаке.

Оставалось научить компьютер распознавать движения игрока по ограниченному числу датчиков. Для решения этой задачи мы использовали нейросети и машинное обучение.

Skeleton 1

Мы надели на игрока одновременно и активные, и пассивные маркеры. Попросили этого игрока долго-долго играть в разные игры, перемещаться и просто совершать рандомные несуразные движения.

Нейросеть считала максимально возможное количество вариаций расположения точек: то, как активные маркеры двигаются относительно пассивных.

Потом мы сняли с игрока пассивные маркеры и нейросеть смогла самостоятельно построить скелет игрока всего по шести точкам.

Задать вопрос

Тренажер для контролера

Нашей задачей было создание интерфейса для взаимодействия игрока с окружающими объектами. Так мы помогли известной ж/д компании обучить своих контролеров правилам поведения в определенных ситуациях.

Системе важно было понять, что именно говорит игрок. Поэтому в рамках задачи появилось два решения.

  • Первое, придуманное не нами: преобразование голоса человека в текст.
  • Второе, целиком и полностью наше: обработка смысла текста по нашему алгоритму. Он умеет сравнивать выделенные из текста смысловые компоненты с изначальными вводными. Например, проверить на смысловое соответствие произнесенный текст и смысл статьи, в которой канцелярским языком описан план действий контролера в кризисной ситуации.
Traininspector 1
Задать вопрос

ML в проекте ArtVR

Погружение в мир искусства Гончаровой и Малевича. Любой желающий может нарисовать натюрморт в стиле великих художников. И это было бы просто, если бы не было так сложно.

Как это работает:

Игрок может использовать огромное множество предметов для натюрморта. Но как же сделать его похожим на работы Малевича? Для этого понадобились две нейросети, которые в процессе стали обучать друг друга.

Одна нейросеть рисовала картины в стиле Малевича и пыталась обмануть вторую. А вторая вычисляла обманы первой: Малевич это, или нет. С каждой новой итерацией каждая из нейросетей училась чему-то новому и могла делать картины на все более высоком уровне. А другая - могла вычислять плагиат на более высоком уровне.

Artvr 1
Задать вопрос

Прогнозирование поведения cложных систем в VR

Прогнозируем итоги всевозможных ситуаций, в зависимости от вмешательства игрока в действия системы.

Как это работает:

Создается огромная нейросеть, для которой вводными данными являются все процессы, условно, нефтеперерабатывающего завода. Берем все 100% процессов - от уборки коридоров, до заправки нефтетанкеров. После этого мы моделируем аварию на этом маленьком заводе: какой-то процесс вышел из под контроля. Нейросеть начинает прогнозировать поведение всех систем в зависимости от того, к каким последствиям приводит авария.

Особенность в том, что нейросеть может сгенерировать бесконечное количество вариантов внештатных аварийных ситуаций. На основании поведения испытуемых можно делать выводы относительно логики процессов и их оптимизации.

Эта технология дает возможность сделать максимально эффективным промышленный тренажер: привыкнуть и адаптироваться невозможно.

Все это в VR, без реальных аварий и жертв.

Задать вопрос

Поможем вам реализовать практически любую идею с использованием машинного обучения и больших данных в VR.

Свяжитесь с нами!

Напишите на почту: join@vrtech.global

Или позвоните: +7 (499) 110-34-45

Закрыть