ராப்ளக்ஸின் 4D ஜெனரேட்டிவ் AI-க்கான பயணம்

• ராப்ளாக்ஸ், 4D ஜெனரேட்டிவ் AI-யை உருவாக்கும் பணியில் ஈடுபட்டுள்ளது, இது ஒற்றை 3D பொருட்களைத் தாண்டி இயக்கவியல் தொடர்புகளுக்குச் செல்கிறது. 
• 4D சவாலைத் தீர்க்க, தோற்றம், வடிவம், இயற்பியல் மற்றும் ஸ்கிரிப்டுகள் ஆகியவற்றில் பலமுனைப் புரிதல் தேவைப்படும்.
• எங்கள் 4D அமைப்பின் அடித்தளமாக விளங்கும் ஆரம்பகாலக் கருவிகள், ஏற்கனவே தளத்தில் படைப்புகளை விரைவுபடுத்துகின்றன.

ரெப்ளாக்ஸ், படைப்பாளிகள் தங்கள் யோசனைகளுக்கு உயிர் கொடுக்கத் தேவையான கருவிகள், சேவைகள் மற்றும் ஆதரவை வழங்குவதன் மூலம், மூழ்கடிக்கும் 3D அனுபவங்கள், அவதாரங்கள் மற்றும் அணிகலன்களை உருவாக்க அவர்களுக்கு அதிகாரம் அளிக்கிறது. எங்கள் தளத்தில் இந்தப் படைப்பாளர்கள்தான் துடிப்பான உள்ளடக்கத்தை உருவாக்குகிறார்கள், இது (Q1 2024 நிலவரப்படி) 77 மில்லியனுக்கும் அதிகமான தினசரி செயலில் உள்ள பயனர்களை ஈர்க்கிறது. எங்கள் இலவச ராப்லாக்ஸ் ஸ்டுடியோ செயலி மூலம், ராப்லாக்ஸ் பணிப்பாய்வுகளுக்காகத் தனித்துவமாக வடிவமைக்கப்பட்ட மற்றும் ராப்லாக்ஸ்-குறிப்பிட்ட உள்ளடக்கத்தில் பயிற்சி பெற்ற ஒரு தொகுதி ஜெனரேட்டிவ் AI கருவிகளை நாங்கள் வெளியிட்டுள்ளோம்.

இந்தக் கருவிகள் நிபுணர்கள் மற்றும் புதியவர்கள் என அனைவருக்கும் படைப்பாக்கத்தை எளிதாகவும், திறமையாகவும், மேலும் வேடிக்கையாகவும் ஆக்குகின்றன. அசிஸ்டன்ட் 3D பணியிடத் தொகுப்பைச் செயல்படுத்துகிறது, அனிமேஷன் கேப்சர் முக மற்றும் உடல் அசைவைச் செயல்படுத்துகிறது, கோட் அசிஸ்ட் ஸ்கிரிப்ட் தொகுப்பு மற்றும் உருவாக்கத்தில் உதவுகிறது, மெட்டீரியல் ஜெனரேட்டர் மெட்டீரியல் தோற்றத்தை அடுக்குகளாக அமைக்க உதவுகிறது, மற்றும் டெக்ஸ்சர் ஜெனரேட்டர் சொத்து-குறிப்பிட்ட டெக்ஸ்சர் மேப்பிங்கைச் செயல்படுத்துகிறது. இந்த ஜெனரேட்டிவ் AI கருவிகள் ஒவ்வொன்றும் 3D படைப்பாக்க செயல்முறையின் ஒரு பகுதியை மேம்படுத்துகின்றன.

ஒட்டுமொத்தமாக, இந்தக் கருவிகள் ஒரு படைப்பாளியின் திறன்களை மேம்படுத்தி, ஒரு யோசனையை முழுமையாக்கத் தேவைப்படும் நேரத்தைக் குறைக்கின்றன. எங்களின் சொந்த புதுமையான ஆராய்ச்சி முன்னேற்றங்களையும், பெரிய AI சூழலமைப்பிலிருந்து சிறந்த தீர்வுகளையும் பயன்படுத்தி இவற்றை நாங்கள் உருவாக்கியுள்ளோம். அவை 1D (ஸ்கிரிப்டுகள்), 2D (மேற்பரப்புகள்), மற்றும் 3D (இடங்கள்) ஆகியவற்றில் தனிப்பட்ட சொத்துக்களை உருவாக்குவதைக் கையாள்கின்றன. எங்களின் சொந்த ரோப்லாக்ஸ் டெவலப்பர் மாநாடு உட்பட பல்வேறு சர்வதேச ஆராய்ச்சி மாநாடுகளில், எங்களின் 3D வடிவியல் உருவாக்கம் மற்றும் திருத்த ஆய்வகத்தின் சில முடிவுகளை நாங்கள் முன்னோட்டமிடுகிறோம்.

இந்தத் துறையில், 1D மற்றும் 2D ஆகியவை அதிநவீன தொழில்நுட்பங்களாகவும், 3D ஜெனரேட்டிவ் AI-இன் முன்னோடியான தொழில்நுட்பமாகவும் உள்ளன. ஒவ்வொன்றும் தொடர்ந்து அற்புதமான தொழில்நுட்ப முன்னேற்றங்களை ஊக்குவிக்கும், பெருகிய முறையில் முக்கியத்துவம் வாய்ந்த சவால்களாகும். நாம் 3D வெளியில் வாழ்வதால், அதுவே ஜெனரேட்டிவ் AI-இன் இறுதி சவால் என்று தோன்றலாம். இருப்பினும், நமது சமூகத்தின் தேவைகளின் அடிப்படையில், இந்தப் பணிக்கான எங்கள் பார்வை இன்னும் முன்னேறிச் செல்கிறது.

இன்று நாம் இருக்கும் இடம்

நாங்கள் 4D உருவாக்கும் AI-ஐ நோக்கிச் செயல்படுகிறோம், அங்கு நான்காவது பரிமாணம் ஊடாடலாகும். ராப்ளாக்ஸின் ஆன்லைன் தளத்தின் சக்தி என்பது மக்கள், பொருட்கள் மற்றும் சூழல்களுக்கு இடையிலான ஊடாடல்தான். பாரம்பரிய ஆன்லைன் வீடியோ கேம்களைப் போலல்லாமல், ராப்ளாக்ஸின் சக்திவாய்ந்த ரன்டைம் இன்ஜின், ஊடாடலை மையமாகக் கொண்ட ஒரு தனித்துவமான நிரலாக்க மற்றும் சிமுலேஷன் மாதிரியைப் பயன்படுத்துகிறது. இந்த மாதிரி, மெட்டாவெர்ஸ் என்ற கருத்தால் ஈர்க்கப்பட்டது. இதில் கூறுகள், வரையறுக்கப்பட்ட மற்றும் வரையறுக்கப்பட்ட வழிகளைப் போலல்லாமல், சிக்கலான, பல-பல மற்றும் தன்னிச்சையான வழிகளில் சந்திக்கின்றன. 

1D, 2D, மற்றும் 3D ஜெனரேட்டிவ் AI கருவிகள் தனிப்பட்ட சொத்துக்களை உருவாக்குகின்றன. 4D ஜெனரேட்டிவ் AI-இல் நாம் எதிர்கொள்ளும் சவால் என்னவென்றால், அந்த சொத்துக்களை நமது தளத்திற்கு ஏற்ற கட்டுப்பாடற்ற தொடர்புகளை செயல்படுத்தும் வழிகளில் உயிர்ப்பிப்பதாகும். உதாரணமாக, இதன் பொருள் என்னவென்றால், ஒரு அவதாரம் என்பது வெறும் வடிவம் மற்றும் நிறம் மட்டுமல்ல—அது ஒரு எலும்புக்கூடு, அனிமேஷன்கள், கருவிகளைப் பிடிக்கும் திறன் மற்றும் சமநிலைப்படுத்தும் திறன் ஆகியவற்றையும் கொண்டது. அந்த அவதாரத்திற்கு பிரத்யேகமாக வடிவமைக்கப்படாத ஆடைகளை அது அணிய முடியும், மேலும் அது தானாகவே சரியாகப் பொருந்துவதோடு அனைத்து அசைவுகளையும் கண்காணிக்கும். இந்த வகையான படைப்பைத் தானியக்கமாக்க ஜெனரேட்டிவ் AI எவ்வாறு உதவ முடியும் என்பதற்கு எங்கள் புதிய அவதார் ஆட்டோசெட்டப் (Avatar AutoSetup) கருவி ஒரு ஆரம்பகால உதாரணமாகும். டெவலப்பர்கள் இப்போது இந்த செயல்முறையை மணிநேரங்கள் அல்லது நாட்களுக்குப் பதிலாக நிமிடங்களில் முடிக்க முடியும்.

ஒரு விளையாட்டுக் கார் என்பது ஒரு நேர்த்தியான வடிவம் மற்றும் மேற்பரப்பு வண்ணம் மட்டுமல்ல—அது அதன் இயந்திரம், அசையக்கூடிய பாகங்கள் மற்றும் இயற்பியல் அமைப்பு ஆகியவற்றையும் கொண்டுள்ளது, அவை மெய்நிகர் தெருக்களில் துல்லியத்துடனும் கட்டுப்பாட்டுடனும் சீறிப் பாய்வதற்கு உதவுகின்றன. ஒவ்வொரு சந்தர்ப்பத்திலும், அந்தப் பொருள் அதன் அனைத்துப் பாகங்களுடனும் இயற்பியல் மூலம் தொடர்பு கொள்ளவும், ஒரு பயனருடன் அவர்களின் அவதாரம் மூலம் தொடர்பு கொள்ளவும் 3D-யிலிருந்து விரிவுபடுத்தப்படுகிறது.

இந்த செழுமையான ஊடாடும் 4D கூறுகள் ஒவ்வொன்றையும் ஒரு பெரிய சூழலில் சேர்க்கலாம், அங்கு ஜெனரேட்டிவ் AI ஒவ்வொரு கூற்றின் பாணியையும் ஒன்றிணைத்து, பொருட்களுக்கும் சூழலுக்கும் இடையில் ஊடாடும் ஆதரவை வழங்குகிறது. இப்போது ஒரு பயனர், தங்கள் அவதாரத்தின் மூலம், சேத மாற்றியமைப்பான்கள் மற்றும் அதிக மதிப்பெண்களுடன் ஒரு தெருப் பந்தயத்தில் ஓட்டலாம், மேலும் ஒரு பிராண்டட் ஃபேஷன் கடையில் நின்று, தங்கள் வெற்றியைக் கொண்டாட புதிய ஆடைகளை வாங்கலாம்.

இன்று, இதுபோன்ற அனுபவங்களை உருவாக்க, ஸ்கிரிப்ட் மூலக் குறியீடு, பணிச்சூழல் மற்றும் தரவு மாதிரி கட்டமைப்பு, 3D வடிவியல், அனிமேஷன்கள் மற்றும் மெட்டீரியல்கள் ஆகியவற்றை கைமுறையாக உருவாக்க வேண்டியுள்ளது. எங்களின் தற்போதைய ஜெனரேட்டிவ் AI கருவிகள், பைப்லைனின் ஒவ்வொரு பகுதியிலும் உதவுகின்றன. இந்தக் கூறுகள் அனைத்தையும் இணைத்து ஒரே நேரத்தில் உருவாக்கும் ஒரு அமைப்பை நாங்கள் உருவாக்கி வருகிறோம். இதை அடைய, எங்கள் 4D உருவாக்கும் AI அமைப்பை பன்முறை (multimodal) முறையில் பயிற்சி செய்ய வேண்டும், அதாவது பல வகையான தரவுகளை ஒன்றாகப் பயன்படுத்தி பயிற்சி செய்ய வேண்டும். மெட்டீரியல் ஜெனரேட்டருக்கு (Material Generator) சக்தியளிக்கும் படங்கள் மற்றும் உரைகளுக்கு இது ஏற்கனவே செய்யப்பட்டுள்ளது. ஊடாடலை இயக்குவதும், இயற்பியல் (physics) செயல்பாடுகளுக்காக பிரத்யேகமாக உருவாக்கப்பட்ட மேம்படுத்திகளைச் சேர்ப்பதுமே 4D திறனின் அடுத்த கட்டத்தை நாம் அடைவதற்கான வழியாகும்.

கடந்த ஆண்டில் மட்டும், ராப்லாக்ஸில் உள்ளடக்கம் உருவாக்கப்படும் விதத்தில் மிகப்பெரிய மாற்றங்களைக் கண்டுள்ளோம். எதிர்காலத்தைப் பார்த்தால், எவரும், எங்கும், ஒரு கட்டளையைத் தட்டச்சு செய்வதன் மூலமோ அல்லது பேசுவதன் மூலமோ ஒரு யோசனையை நனவாக்கக்கூடிய ஒரு எதிர்காலத்தைக் காண்கிறோம். அங்கு செல்ல, இந்தப் பயணத்தில் நாம் சந்திக்கும் சில சவால்களைத் தீர்க்கத் தொடங்க வேண்டும்.

நம்முன் உள்ள சவால்கள்

மேலே நாங்கள் பகிர்ந்துள்ள சோதனைகள் விரைவில் கிடைக்கும். மேலும், நாங்கள் திறக்க வேண்டிய மூன்று தெளிவான சவால்களை எதிர்கொள்கிறோம்: 

1. செயல்பாட்டுத்திறன்: இந்த எதிர்கால ஜெனரேட்டிவ் AI கருவியால் உருவாக்கப்படும் பொருட்கள் செயல்பாட்டுத்திறன் கொண்டிருக்க வேண்டும். உதாரணமாக, ஒரு டிரக் அல்லது விமானத்தின் 3D வடிவத்தைப் பார்க்கும்போது, அதை மூடப்பட்ட ஒளிபுகா பொருளாகக் கருதாமல், அமைப்பு அதைப் பார்க்க வேண்டும். மேலும், உருவாக்குநர் தலையிடத் தேவையின்றி, எந்தப் பகுதிகளுக்கு மூட்டுகள் தேவை, அல்லது மெஷ் எங்கே திறக்கப்பட வேண்டும் என்பதை இது தானாகவே அடையாளம் காண வேண்டும்.

இந்த அமைப்புகள் தீர்க்க வேண்டிய ஒரு மனித-நிலை AI சிக்கல் இது—உதாரணமாக, சக்கரங்களைச் சரியான இடத்தில் பொருத்துவதைக் கண்டறிந்து, பின்னர் சக்கரங்கள் இயற்பியல் உலகில் செயல்படுவதைப் போலவே செயல்படுவதற்கு ஒரு அச்சாணி (axle) சேர்ப்பது. மேலும், கதவு எங்கிருக்கிறது என்பதைக் கண்டறிந்து, பின்னர் ஒரு திறப்பை உருவாக்கி, கதவு திறந்து மூடப்படுவதற்கு கதவுச்சீலைகளை (hinges) சேர்ப்பது.

2. ஊடாடும் தன்மை: இந்த எதிர்கால உருவாக்கும் AI மூலம் உருவாக்கப்பட்ட பொருட்கள் சுயாதீனமாகச் செயல்படுவது மட்டுமல்லாமல், சுற்றுச்சூழலில் உள்ள மற்ற பொருட்களுடன் ஊடாடும் திறனையும் கொண்டிருக்க வேண்டும். எனவே, இந்த அமைப்பு நமக்காகத் திறக்கும் கதவு மற்றும் சுழலும் சக்கரங்களைக் கொண்ட ஒரு காரை உருவாக்கியுள்ளதால், அந்தக் கார் வைக்கப்பட்டுள்ள உலகின் இயற்பியலை அது புரிந்து கொள்ள வேண்டும். வாகனம் நிலப்பரப்பில் எவ்வாறு நகர்கிறது? அது ஒரு பாறையின் மீது மோதினால், பாறையின் அளவு மற்றும் வாகனத்தின் வேகத்தின் அடிப்படையில் அது எங்கே, எப்படி நசுங்குகிறது?

இந்த சிக்கலான சவாலுக்கு, உருவாக்கப்பட்ட பொருளும், அது தொடர்பு கொள்ளும் சூழல் அல்லது பொருட்களும் ஒருவருக்கொருவர் இயற்பியலைப் புரிந்து கொள்ள வேண்டும். அதிர்ஷ்டவசமாக, ராப்லாக்ஸ் இந்த அம்சத்தில் ஒரு முன்னிலையில் உள்ளது, ஏனெனில் இந்தத் தளம் ஒரு இயற்பியல் இயந்திரமாக உருவாக்கப்பட்டது, அதாவது அனுபவங்களில் உள்ள அனைத்துப் பொருட்களும் பௌதீகமானவையாக இருக்க முடியும். உருவாக்கும் செயற்கை நுண்ணறிவு ஒரு 4D பொருளை உருவாக்கும்போது, அது உலகில் உள்ள மற்ற பௌதீக அடிப்படையிலான பொருட்களுடன் தொடர்பு கொள்ளத் தயாராவதற்காக, பொருள், நிறை மற்றும் வலிமை போன்ற பௌதீக குணங்களும் சேர்க்கப்படும்.

3. கட்டுப்படுத்தக்கூடியது: இன்று, நாம் ஜெனரேட்டிவ் AI-யுடன் ப்ராம்ப்டுகளைப் பயன்படுத்தி தொடர்பு கொள்கிறோம். இது ஒரு குறைபாடுள்ள அறிவியல், ஒரு புதையல் வேட்டைக்கு ஒப்பானது. ஒரு முயலின் படத்தை கேட்பவர் பலதரப்பட்ட முடிவுகளைப் பெறலாம்: ஒரு உண்மையான முயல், ஒரு சாக்லேட் ஈஸ்டர் முயல், ஒரு கார்ட்டூன் முயல், ஒரு முயலின் ஓவியம், அல்லது ஒரு கோட் அணிந்த முயலின் சித்திரம். எனவே, நமது மனதில் உள்ள பார்வையைச் செம்மைப்படுத்த, நாம் நிஜமான படங்கள் அல்லது "இதன் பாணியில்" படங்களைக் கேட்கும் வகையில் உந்துசொற்களைச் செம்மைப்படுத்துகிறோம். நாம் தேடுவதற்கு நெருக்கமாகச் செல்ல இது நேரம் மற்றும் மீண்டும் மீண்டும் முயற்சிகளை எடுக்கும்.

நமது மேலே உள்ள எடுத்துக்காட்டில் உள்ள டிரக் போன்ற, மற்ற பொருட்களுடன் செயல்பட்டு தொடர்பு கொள்ளும் ஒரு 3D பொருளுக்கு இந்த செயல்முறையைப் பின்பற்ற முயற்சிப்பதை கற்பனை செய்து பாருங்கள். இந்த அளவில் உள்ள உந்துதிறன் பொறியியல் பன்மடங்கு சிக்கலானதாக இருக்கும்—இது யாராலும் எளிதில் பயன்படுத்தக்கூடிய ஒன்றல்ல. ஒரு படைப்பாளியின் யோசனையை நனவாக்க, நாம் தொடர்புகொண்டு செம்மைப்படுத்த ஒரு வேகமான, எளிதான வழி தேவை. அடிப்படையில், இது ஒரு AI உதவியாளருடன் இணைந்து பணியாற்றுவதாக இருக்க வேண்டும்; அது ஒரு துப்பறியும் வேட்டையைப் போலல்லாமல், ஒரு கூட்டாளியாக இருக்க வேண்டும். 

இது ஒரு துறை அளவிலான சவால், மேலும் பல நிறுவனங்கள் ஜெனரேட்டிவ் AI-இல் சிறந்த கட்டுப்பாட்டைக் கொண்டுவரப் பணியாற்றி வருகின்றன. ControlNet போன்ற கருவிகள் மூலம் நாங்கள் இங்கே சில முன்னேற்றங்களை அடைந்துள்ளோம், இது உரைப் பிரம்புகளுக்கு அப்பால் கூடுதல் உள்ளீட்டு நிபந்தனைகளை வழங்குமாறு உருவாக்குநரை அனுமதிப்பதன் மூலம் கட்டுப்பாட்டை அதிகரிக்கிறது. திருப்திகரமான பணிப்பாய்வுக்கான நம்பிக்கையளிக்கும் மற்ற முறைகளையும் நாங்கள் தற்போது ஆராய்ந்து வருகிறோம், எடுத்துக்காட்டாக, முக்கிய படிகளுக்குப் பிறகு பயனர் உள்ளீட்டை எதிர்பார்த்து AI-ஐ இடைநிறுத்துவது போன்றவை. ஆனால், ஒரு தடையற்ற அனுபவத்தை அடைய நாங்கள் இன்னும் நீண்ட தூரம் செல்ல வேண்டியுள்ளது.

இதுவரை நாங்கள் கண்ட தாக்கத்தைப் பற்றி நாங்கள் உற்சாகமாக இருக்கிறோம், மேலும் எதிர்காலத்தில் வரவிருப்பவற்றைப் பற்றி இன்னும் அதிகமாக உற்சாகமாக இருக்கிறோம். மெட்டீரியல் ஜெனரேட்டருக்கான பீட்டாவைப் பயன்படுத்தாத படைப்பாளிகளுடன் ஒப்பிடும்போது, அதைப் பயன்படுத்துபவர்கள் இயற்பியல் அடிப்படையிலான ரெண்டரிங் (PBR) மெட்டீரியல் மாறுபாடுகளின் பயன்பாட்டை 100 சதவீதத்திற்கும் மேலாக அதிகரித்துள்ளனர்—இது மார்ச் 2023-ல் ஆயிரத்திற்கும் சற்று அதிகமாக இருந்ததிலிருந்து ஜூன் 2024-ல் இரண்டாயிரத்திற்கும் மேலாக உயர்ந்துள்ளது. ஜூன் 2, 2024 நிலவரப்படி, படைப்பாளிகள் கோட் அசிஸ்ட் பரிந்துரைத்த சுமார் 535 மில்லியன் குறியீட்டு எழுத்துக்களை ஏற்றுக்கொண்டுள்ளனர். 

4D-க்கான இந்தப் பயணத்தில் உள்ள சவால்களை நாங்கள் தீர்க்கத் தொடங்கும் போது, எங்கள் படைப்பாளிகள் அதிகமாகவும் வேகமாகவும் உருவாக்க முடியும். மேலும் பலர் படைப்பாளிகளாக மாறுவதை நாங்கள் சாத்தியமாக்கும்போது, ராப்லாக்ஸில் அதிகப் பன்முகத்தன்மை கொண்ட அனுபவங்களைக் காண்போம் என்றும் எதிர்பார்க்கிறோம். அவர்கள் எதை உருவாக்குகிறார்கள், எப்படி உருவாக்குகிறார்கள் என்பது, ஏற்கனவே உள்ள எங்கள் சமூகத்துடன் சேர்ந்து இந்தப் புதிய படைப்பாளிகளை மேம்படுத்துவதற்காக புதிய கருவிகள் மற்றும் AI வழிமுறைகளில் எங்கு முதலீடு செய்ய வேண்டும் என்பதை எங்களுக்குக் காட்டும். 

4D ஜெனரேட்டிவ் AI-யுடன், ரோப்லாக்ஸ் அனுபவம் மற்றும் சொத்து உருவாக்கத்திற்கு ஒரு புதிய எல்லையைத் திறந்துள்ளது. சவால்கள் புதியதாக இருந்தாலும், எங்களின் புதுமைக்கான செயல்முறை நன்கு செம்மைப்படுத்தப்பட்டுள்ளது. எங்களின் சிறந்த உள் ஆராய்ச்சி மற்றும் மேம்பாட்டுக் குழுக்கள், பல்கலைக்கழக ஒத்துழைப்புகள், மற்றும் எங்கள் சமூகத்துடன் இணைந்து முன்மாதிரிகளில் விரைவான திருத்தங்களைச் செய்கிறோம்.