Обзор
Сегодняшний ландшафт ИИ — это игра контрастов: креатив встречается с трудовыми спорами, исследовательские прорывы соседствуют с доработками инфраструктуры. Google DeepMind оказалась в центре внимания сразу по двум фронтам: громкое партнёрство с культовой независимой студией A24 и нелёгкий старт переговоров о профсоюзе, оставивший сотрудников разочарованными. Тем временем в академической и open-source сферах появились заметные достижения в робототехнике и компьютерном зрении, которые могут изменить то, как автономные системы обучаются и отслеживают людей в реальных условиях.
Сделка с A24 сигнализирует о растущем аппетите AI-лабораторий к сотрудничеству с творческими индустриями — в той области, где инструменты вроде генеративного видео и анализа сценариев начинают выходить за рамки хайпа. Однако трения на почве профсоюза в DeepMind напоминают: по мере расширения сферы ИИ люди, которые его создают, требуют права голоса. На исследовательском фронте новая унифицированная система обучения для моделей «видение-язык-действие» (VLAFlow) обещает навести порядок в разнородных подходах к обучению роботов, а метод отслеживания 3D-сеток для нескольких людей (Multi-THuMBS) решает вечную проблему сохранения идентичности при склейках и перекрытиях. Тем, кто следит за инструментальной базой этих достижений, такие платформы, как GetAI Business, помогают вовремя замечать возникающие модели и техники, формирующие поле.
Главные новости дня
Google DeepMind впервые в истории заключает партнёрство с A24 для AI-исследований
Сделка между DeepMind и A24 — студией, стоящей за фильмами «Всё везде и сразу» и «Лунный свет», — стала одним из самых заметных сближений между AI-исследованиями и независимым кино. Подробности проектов пока не раскрываются, но ожидается, что партнёрство позволит изучить, как генеративные модели могут помогать в сторителлинге, визуальных эффектах и предпродакшне. Этот шаг отражает более широкую тенденцию: AI-лаборатории всё активнее ищут реальные креативные сценарии использования технологий за пределами генерации текста и картинок.
Переговоры о профсоюзе в DeepMind наткнулись на препятствия
Согласно отчёту WIRED, состоявшийся в среду раунд переговоров между руководством DeepMind и сотрудниками, добивающимися создания профсоюза, выявил растущее недоверие. Работники выразили недовольство тем, что топ-менеджеры, похоже, не готовы серьёзно обсуждать их требования по прозрачности зарплат, гарантиям занятости и влиянию на то, как разворачиваются AI-модели. Трудный старт подчёркивает растущее напряжение в техиндустрии: с ускорением развития ИИ люди, стоящие за ним, объединяются, чтобы получить больше влияния.
VLAFlow: унифицированная структура обучения для моделей «видение-язык-действие»
В новой статье на arXiv (2607.01586) представлена VLAFlow — кобучающая платформа, призванная гармонизировать данные и архитектуры в различных парадигмах обучения роботов. Выравнивая скрытые представления будущих состояний и комбинируя несколько предобучающих датасетов, VLAFlow достигает лучшего обобщения навыков манипуляции, чем модели, обученные на одном источнике данных. Это может стать ключевым шагом к более масштабируемым и переносимым навыкам роботов — особенно для сервисных и промышленных роботов, которые должны адаптироваться к разным средам.
Multi-THuMBS: отслеживание 3D-сеток человека через несколько видеосцен
Многопользовательский 3D-трекинг человеческих сеток долгое время тормозился из-за перекрытий и смены сцен. Метод Multi-THuMBS (arXiv:2607.01626) предлагает новый подход, работающий через границы видеокадров. Он использует временную когерентность и мульти-вью рассуждения для сохранения идентичности и непрерывности позы даже тогда, когда люди выходят из кадра и появляются снова. Эта разработка имеет практическое значение для спортивной аналитики, видеонаблюдения и виртуального производства — в любой области, где требуется согласованный 3D-трекинг людей в неограниченных видеоматериалах.