Почти десять лет назад мобильная игра Pokemon Go стала мировым феноменом. Сотни миллионов людей выходили на улицы, исследовали города, парки и дворы, чтобы поймать виртуальных покемонов с помощью технологий дополненной реальности.

Сегодня оказалось, что эти прогулки принесли пользу не только игровой индустрии. Данные, собранные игроками за годы существования игры, теперь помогают обучать роботов-курьеров, которые доставляют заказы по городским улицам.

---

Новое партнёрство Niantic и Coco Robotics

Компания Niantic Spatial — подразделение разработчиков Pokemon Go — объявила о сотрудничестве с Coco Robotics, производителем автономных роботов для доставки еды и небольших посылок.

В рамках этого проекта роботы получат доступ к системе визуального позиционирования VPS (Visual Positioning System), разработанной Niantic.

Эта технология позволяет устройствам определять своё местоположение не только по GPS, а по окружающим объектам — зданиям, памятникам, вывескам и другим ориентирам. По заявлениям разработчиков, точность определения координат может достигать нескольких сантиметров.

---

Как Pokemon Go стала источником данных

Главная особенность системы VPS заключается в том, что она обучалась на огромном массиве изображений, сделанных пользователями Pokemon Go.

За годы существования игры игроки:

• исследовали реальные городские пространства;

• направляли камеры смартфонов на здания и достопримечательности;

• фотографировали объекты с разных углов и расстояний.

В общей сложности для обучения системы было использовано более 30 миллиардов изображений.

Дополнительный поток данных появился в 2020 году, когда в игре ввели задания «Полевые исследования». Игрокам предлагалось фотографировать реальные памятники, статуи и другие объекты в обмен на игровые награды.

---

Создание трёхмерной карты мира

На основе этих снимков разработчики смогли сформировать трёхмерные модели городских объектов.

Поскольку фотографии делались разными людьми и в разных условиях, система получила данные:

• при различном освещении;

• в разную погоду;

• с разных высот и углов обзора.

Такой объём информации оказался крайне ценным для машинного обучения. Чем больше вариантов одного и того же объекта система видит, тем точнее она может распознавать окружающую среду.

На пике популярности в 2016 году в Pokemon Go играло около 230 миллионов человек ежемесячно. Даже сегодня активная аудитория игры составляет примерно 50 миллионов пользователей.

---

Почему GPS не всегда подходит для роботов

Большинство автономных устройств ориентируются в пространстве с помощью GPS, но эта система имеет серьёзные ограничения.

Проблемы возникают, например:

• в густо застроенных городских районах;

• рядом с высокими зданиями;

• в местах с плохим приёмом спутникового сигнала.

В таких условиях роботы-курьеры могут терять точное положение, что приводит к задержкам доставки. В ходе испытаний на университетских кампусах некоторые устройства даже терялись или испытывали трудности при переходе через дорогу.

---

Как роботы будут ориентироваться на улицах

Роботы компании Coco Robotics будут использовать:

• систему VPS от Niantic;

• четыре камеры, анализирующие окружающее пространство.

Сравнивая изображения с базой данных, созданной на основе фотографий игроков Pokemon Go, робот сможет определить своё местоположение, просто «глядя» на окружающие объекты.

Как отметил генеральный директор Niantic Spatial Джон Ханке, задачи у игры и автономных роботов оказались удивительно похожими.

По его словам, технология, которая помогала Пикачу реалистично появляться в реальном мире, фактически решает ту же проблему, что и навигация роботов на улицах.

---

Следующий шаг — «живая карта» мира

Niantic рассматривает сотрудничество с Coco Robotics как часть более масштабного проекта. Компания стремится создать динамическую карту реального мира, которая будет постоянно обновляться.

Когда роботы с системой VPS начнут работать на улицах, они сами станут источником новых данных. Камеры устройств будут сканировать окружающую среду и дополнять существующую базу изображений.

Это позволит постепенно повышать точность системы и расширять её возможности — не только для доставки, но и для будущих технологий дополненной реальности и автономной навигации.