Spelarnas Pokémon-bilder lär robotar navigera med centimeterprecision

När speldata blir verklighet

Vad började som en global jakt på digitala monster har oväntat blivit grunden för nästa generations navigationsteknik. Niantic Spatial, som bröts ut från Pokémon Go-utvecklaren Niantic, har samlat 30 miljarder bilder från spelares vardagliga vandringar genom städer världen över. Nu använder företaget denna enorma datamängd för att bygga det de kallar en "världsmodell" – ett AI-system som kan fastställa position med centimeters precision.

"Det visar sig att få Pikachu att realistiskt springa omkring och få Cocos robot att säkert och exakt röra sig genom världen faktiskt är samma problem", förklarar John Hanke, vd för Niantic Spatial, enligt MIT Technology Review.

Resultatet syns redan på gatorna. I samarbete med Coco Robotics används omkring 1 000 leveransrobotar i städer som Los Angeles och Chicago. Där GPS-signaler försvinner mellan höga byggnader eller i underjordiska passager kan robotarna istället "se" sin omgivning genom att jämföra bilder med Niantics enorma databas av stadsmiljöer.

Från rymden till skogsbotten

Parallellt med denna urbana revolution pågår en lika imponerande utveckling när det gäller att förstå våra naturliga miljöer. Meta har tillsammans med World Resources Institute lanserat CHMv2 – en dramatiskt förbättrad AI-modell för kartläggning av världens skogar.

Tekniken bygger på Metas DINOv3-modell, en självövervakad bildmodell som tränats på satellitbilder. Resultaten är anmärkningsvärda: modellens förmåga att förutsäga verkliga mätningar har ökat från 0,53 till 0,86 på R²-skalan – en förbättring som gör systemet användbart för riktigt beslutsfattande.

"DINOv3 stärker vår förmåga att mäta skogsstrukturer över olika landskap, vilket gör högupplöst övervakning av återställningsarbeten mer enhetlig och skalbar", säger John Brandt, chef för datavetenskap på World Resources Institute, enligt Metas AI-blogg.

Tekniken bakom genombrotten

Båda genombrotten delar flera viktiga tekniska principer. I grunden handlar det om att träna AI-modeller på enorma mängder bilddata – miljardtals bilder i Niantics fall, omfattande satellitdatasamlingar för Metas skogsmodeller.

Vad som gör dessa system särskilt kraftfulla är deras förmåga till generalisering. Niantic Spatials modell har lärt sig att förstå tredimensionella strukturer från tvådimensionella bilder, medan Metas DINOv3 kan identifiera mönster i satellitbilder som korrelerar med verkliga mätningar av trädkronors höjd.

Båda systemen använder också självövervakad inlärning – tekniker där AI-modellen lär sig mönster utan att behöva manuellt märkta träningsdata. Detta gör det möjligt att utnyttja de enorma mängder omärkt data som finns tillgänglig, från spelares fotografier till satellitarkiv.

Praktisk påverkan redan idag

Dessa tekniska genombrott har redan konkret påverkan. Metas skogsmodeller används av myndigheter i Storbritannien, Europa och USA för klimat- och naturvårdsarbete. När regeringar ska fatta beslut om skogsskydd eller mäta framgången i återplanteringsprojekt får de nu tillgång till data med tidigare otänkbar precision och täckning.

Leveransrobotarna som navigerar med hjälp av Pokémon Go-data representerar samtidigt början på en mer autonom urban miljö, där maskiner kan röra sig säkert även där traditionell GPS-teknik sviktar.