Mundos 3D generados pieza a pieza: por qué esto importa más para la industria que para los videojuegos
Escribes «pueblo nevado» y aparece el pueblo entero, pero con cada casa, cada carro y cada farola como objeto suelto que se puede mover. La diferencia con un vídeo bonito es toda.
EXPEDIENTE
Circula estos días una demostración que conviene mirar con calma, porque a primera vista parece una más de generar imágenes bonitas y en realidad va de otra cosa.
Se escribe una frase, «un pueblo nevado», y aparece el pueblo. Hasta ahí, nada nuevo. Lo distinto es lo que hay debajo: cada casa, cada carro, cada farola y cada árbol es un objeto independiente, que se puede seleccionar, mover, cambiar o borrar por separado. No es una foto del pueblo. Es el pueblo.
Por qué eso cambia el asunto
Hasta ahora, la generación de escenas iba por dos caminos y los dos se quedaban cortos para trabajar.
El primero es el vídeo generado. Impresiona, y no sirve para producir: es una secuencia de píxeles. No se puede entrar, ni mover la cámara a otro sitio, ni quitar una silla.
El segundo son las nubes de puntos y técnicas parecidas, que capturan un espacio real con mucho realismo pero lo dejan como un bloque. Se puede recorrer, no se puede editar. Es un escaneo, no un modelo.
Lo que enseña esta demostración es el paso que faltaba: escena completa y objetos separados, del tipo que se abre en las herramientas de siempre y se sigue trabajando.
Cómo lo hacen, en tres pasos
El montaje es más ingenioso que misterioso, y encadena tres tecnologías que ya existían por separado:
- Un generador de imágenes crea la escena en dos dimensiones.
- Un modelo de segmentación recorta esa imagen en piezas: esto es una casa, esto un carro, esto una farola.
- Un modelo que convierte imágenes en volumen levanta cada pieza en tres dimensiones.
El resultado se ensambla en una escena donde cada elemento conserva su identidad. Ninguna de las tres partes es nueva; lo nuevo es encadenarlas para que el resultado sea material de trabajo y no una postal.
Dónde está el negocio, y no es donde parece
La reacción inmediata es pensar en videojuegos. Es la aplicación evidente y probablemente la menos interesante, porque un estudio necesita control fino sobre cada detalle y lo generado le sirve como punto de partida, poco más.
Lo que de verdad se mueve aquí está en otro sitio: en entrenar máquinas.
Robots que practican antes de existir
Un robot que va a trabajar en un almacén necesita miles de horas de práctica. Hacerlas en el almacén real es lento, caro y peligroso. Hacerlas en un almacén simulado es rápido y barato, pero alguien tiene que construir ese almacén, pieza por pieza, y eso cuesta semanas de trabajo especializado.
Si se puede generar un entorno completo a partir de unas fotos del sitio real, y ese entorno viene con los objetos separados —cada estantería, cada caja, cada puerta—, se pueden fabricar cientos de variantes de la misma nave: con las cajas movidas, con un pasillo bloqueado, con más luz o con menos.
Esa variedad es exactamente lo que hace que un robot entrenado en simulación funcione después en el mundo real. El cuello de botella de la robótica no es el algoritmo: es la cantidad de situaciones distintas con las que se puede practicar.
Y lo mismo para formación de personas
La misma idea sirve para simuladores de formación: una planta industrial, un quirófano, una cocina de restaurante. Hoy, montar ese escenario virtual cuesta un proyecto entero. Si el coste baja mucho, la simulación deja de ser cosa de la aviación y de la energía nuclear y empieza a tener sentido en sitios donde hoy no sale a cuenta.
Lo que hay disponible y lo que no
Conviene separarlo, porque las demostraciones se comparten mucho más deprisa que las herramientas.
La demostración de los objetos individuales es un proyecto de investigación: se puede ver, no se puede usar todavía.
Lo que sí está disponible, y de código abierto desde abril, es un modelo de la misma casa que reconstruye y genera escenas tridimensionales a partir de texto, imágenes o vídeo, y las entrega en formatos que se abren directamente en las herramientas habituales de modelado y en los entornos de simulación robótica.
Es decir: la pieza que se puede probar hoy en una empresa existe, aunque no sea la del vídeo que circula.
Qué mirar antes de emocionarse
Tres preguntas que separan la demostración del proyecto real.
¿Las medidas son correctas? Para una escena bonita da igual. Para simular un almacén, si una estantería mide dos metros diez en vez de dos y medio, el robot aprende algo que no le va a servir.
¿Los objetos tienen propiedades o solo forma? Una caja generada es una forma. Para simular hay que saber cuánto pesa, si se puede agarrar, si resbala. Ese trabajo sigue siendo humano.
¿De quién es lo que sale? Cuando el material generado va a un producto comercial, la pregunta de con qué se entrenó el modelo y qué licencia tiene el resultado deja de ser teórica.
Con eso resuelto, esto se convierte en algo bastante más serio que una demostración llamativa. Sin resolver, es un vídeo estupendo para compartir un martes.