Public- 26 Oct, 2026
GHARP обеспечивает анимацию 3D-голов в реальном времени на мобильных устройствах
Исследователи Apple представили GHARP - новый метод анимации 3D-голов человека в реальном времени на основе нескольких входных изображений и сигнала управляющей мимики. Ключевая инновация заключается в разделении процесса на два этапа: офлайн-этап восстановления идентичности, создающий детальное представление геометрии и внешнего вида объекта, и этап анимации в реальном времени, предсказывающий остаточные значения, зависящие от мимики. Такое разделение позволяет делать этап восстановления вычислительно затратным, тогда как этап анимации использует легкую нейросеть, оптимизированную для мобильных устройств. Это создает благоприятный баланс между визуальной точностью, качеством и производительностью.Этап анимации работает в семантически структурированном латентном пространстве, полученном из предобученной модели восстановления. Этот подход гарантирует, что изменения мимики остаются локализованными в пространстве, что делает предсказание остаточных значений высокоэффективным. Приоритет восстановления обеспечивает согласованную пространственную структуру, облегчая объединение нескольких входных видов в компактное каноническое гауссово представление фиксированного размера. Благодаря использованию этого структурированного пространства система может обрабатывать сложные движения лица без необходимости в мощных вычислительных ресурсах на этапе рендеринга, поддерживая высокую частоту кадров, необходимую для интерактивных приложений.Значительная проблема методов аватаров, управляемых мимикой, заключается в том, что коды мимики обычно описывают только лицо, игнорируя позу тела и положение одежды. Это упущение оставляет эти области недостаточно определенными, приводя к некорректной задаче, где сеть анимации может прибегать к усреднению конфликтующих изображений тела, что вызывает визуальное размытие и временное мерцание. Для решения этой проблемы GHARP включает сеть выравнивания тела, которая учится согласовывать положение тела человека на целевом изображении с входными референсными изображениями. Это выравнивание устраняет неоднозначность из обучающего сигнала, обеспечивая стабильность и согласованность нефациальных элементов во время анимации.Метод достигает наилучшего качества на бенчмарке Ava-256, значительно повышая эффективность. На GPU A100 GHARP работает до 13 раз быстрее сопоставимых методов, используя в 8 раз меньше гауссов. Это снижение вычислительной нагрузки и увеличение скорости делают технологию пригодной для приложений в реальном времени на потребительском оборудовании. Сочетание высококачественного восстановления и эффективной обработки в реальном времени позиционирует GHARP как практичное решение для разработчиков, желающих интегрировать реалистичную анимацию головы в мобильные и XR-платформы без ущерба для производительности.
- Public
- 26 Oct, 2026
Adobe Substance 3D Painter 12.2: новые функции Cage Painting и Polygon Fill
Adobe выпустила Substance 3D Painter 12.2 - новейшую версию профессионального ПО для создания 3D-текстур, предназначенного для игр, анимации, моушн-графики и VFX. Обновление направлено на улучшение процесса запекания текстур (baking) за счет нового кистевого рабочего процесса, специально разработанного для решения проблем с обвязкой (cage). Главная цель - упростить работу художников с высокополигональными ассетами, выходящими за границы автоматически сгенерированной обвязки. Новый метод коррекции более интуитивен и точен по сравнению с прежними настройками глобальных параметров.Ключевым нововведением в этой версии стал рабочий процесс cage painting, позволяющий напрямую рисовать по мешу для подгонки обвязки. Вместо того чтобы полагаться только на изменение глобального смещения расстояния, художники теперь могут использовать инструменты Paint, Eraser и Polygon Fill для локальной модификации геометрии обвязки. Это значительно упрощает исправление конкретных участков, где части высокополигональной модели выходят за пределы обвязки во время запекания. Стоит отметить, что это уже второе крупное улучшение рабочего процесса, представленное Adobe в этом году после версии 12.1, которая позволила художникам рисовать для управления направлением нормалей и исправлять артефакты в запеченных картах.Значительные обновления также коснулись инструмента Polygon Fill, который теперь поддерживает два новых режима выделения для циклов полигонов. Режим «Polygon loop fill» позволяет заполнить полный цикл квадов одним щелчком, а режим «Partial polygon loop fill» дает возможность выделить прямоугольный участок квадов на поверхности меша. Кроме того, инструмент теперь поддерживает все режимы наложения, доступные в стеке слоев, что обеспечивает большую гибкость при нанесении текстур. Интерфейс переработан для повышения эффективности рабочего процесса; ключевое изменение заключается в том, что невидимые полигоны по умолчанию отбрасываются. Это предотвращает случайное заполнение задней стороны меша, снижая количество типичных ошибок на этапе текстурирования.Среди дополнительных улучшений рабочего процесса - функция подсветки соответствующей геометрии в 3D-вьюпорте при наведении курсора на элемент в списке Texture Set, что упрощает навигацию и выбор. Вьюпорт в реальном времени теперь поддерживает прозрачность, не зависящую от порядка отрисовки (order-independent transparency), что эффективно устраняет мерцание, часто возникающее при наложении прозрачных или полупрозрачных поверхностей. Substance 3D Painter 12.2 доступна для Windows 11, RHEL 8.6/9.2+, Ubuntu 22.04+ Linux и macOS 15.0+. Постоянные лицензии можно приобрести через Steam за $199.99. Программное обеспечение также доступно по подпискам Adobe Creative Cloud: план Substance 3D Texturing стоит $24.99 в месяц или $249.99 в год, а Substance 3D Collection - $59.99 в месяц или $599.99 в год.
- Public
- 26 Oct, 2026
Платформа NVIDIA Minerva AIOps связывает телеметрию ИИ-фабрик для максимизации эффективности GPU
ИИ-фабрики представляют собой одни из самых сложных операционных сред, когда-либо созданных, где сотни тысяч GPU, сети NVIDIA Spectrum-X Ethernet, масштабируемые сети NVLink и распределенные планировщики работают в непрерывном синхронном режиме. При синхронном распределенном обучении вся задача продвигается с темпом самого медленного ранга, что означает: один деградировавший GPU, интерфейс или путь коммутатора могут привести к потере полезного времени на многих здоровых ресурсах. Сбои, снижающие эффективность, часто бывают незначительными: например, GPU работает немного горячее соседей, устройство NVMe теряет производительность под постоянной нагрузкой или коммутатор генерирует потоки кадров паузы. По отдельности эти сигналы редко превышают статические пороги, но в совокупности создают отставание, увеличивают время шагов и задерживают контрольные точки, что приводит к значительным производственным потерям.Рисунок 1. Платформа наблюдаемости NVIDIA Minerva AIOpsДиагностика усложняется тем, что доказательства разбросаны по разным командам: операторы сети видят счетчики интерфейсов, операторы вычислений - состояние узлов, а команды ML - изменение времени шагов. Эта фрагментация превращает первичную диагностику в цепочку поиска по дашбордам и передачи задач между командами, потенциально превращая локализованный сбой в дни потерянного производственного времени. NVIDIA Minerva закрывает эти пробелы, собирая телеметрию по всему стеку и отображая инфраструктуру в активных задачах в динамическом графе знаний. Она применяет специально разработанное машинное обучение для корреляции зависимых симптомов в инциденты высокой точности. Ассистент на базе ИИ-агента и MCP-сервер, подключенный к внешним агентным инструментам, обеспечивают диалоговый путь через эти живые данные, с основной целью сохранения эффективных часов работы GPU и обеспечения плавного хода обучения моделей.Рисунок 2. Граф топологии NVIDIA MinervaМониторинг на основе правил плохо справляется с «серыми сбоями», когда компоненты остаются доступными, но проявляют проблемы только под нагрузкой или в сравнении с соседями. Абсолютные пороги часто пропускают эти изменения, а агрессивные пороги создают шум при обычных изменениях нагрузки. Масштаб усиливает эту проблему, поскольку одна физическая неисправность может порождать ошибки интерфейсов, индикаторы перегрузки и изменения использования GPU, которые выглядят как несвязанные события на разных дашбордах. Minerva принимает метрики, журналы и топологию с GPU, коммутаторов Spectrum-X и NVLink, SuperNIC, DPU, хранилищ, NCCL и планировщиков. Автообнаружение предоставляет связи, которых нет в сырой телеметрии, создавая граф знаний, отображающий элементы инфраструктуры, планировщика и рабочих нагрузок. Этот граф динамически обновляется по мере запуска, остановки задач или замены узлов, поддерживая навигацию от обзора всей фабрики до отдельного интерфейса.Рисунок 3. Проактивное обслуживание SuperNICГраф топологии трансформирует путь расследования, позволяя операторам отслеживать аномалии от интерфейса к его узлу, пути в сети и текущему размещению задачи. Напротив, ML-инженеры могут проследить ID задачи через доказательства на GPU, хосте, NIC и коммутаторе. Minerva обрабатывает миллиарды точек данных метрик и журналов в час, используя надзорные и ненадзорные модели. Надзорное обнаружение идентифицирует известные критические паттерны ошибок и связывает их с рекомендациями по устранению, а ненадзорные модели изучают нормальные паттерны для аппаратных или логических компонентов и сравнивают их с релевантными соседями. Сравнение с соседями критически важно, поскольку измерение может выглядеть приемлемым в изоляции, но аномальным в контексте, например, температура GPU в пределах спецификации, но значительно выше, чем у соседних GPU под той же нагрузкой. Мультивариантные модели объединяют температуру, мощность, частоты и использование для обнаружения деградации до полного отказа.Журналы получают аналогичную обработку: обнаружение аномалий на основе NLP выявляет ранее невиданные паттерны, а надзорное сопоставление идентифицирует известные критические ошибки. Обнаружения могут передаваться в рабочие процессы планировщика для вывода затронутых узлов из эксплуатации до того, как на них попадут новые задачи, или в безопасные интервалы контрольных точек. Корреляция с учетом топологии связывает обнаружение с действиями оператора, используя граф знаний для определения, какие события разделяют путь зависимости. Вспомогательные симптомы группируются в единый инцидент, а не конкурируют за внимание, сводя избыточные события и связанные серии метрик в один сигнал с приложенной затронутой топологией и рабочими нагрузками. Тестирование NVIDIA показывает значительное сокращение числа уведомляемых событий и тикетов для поддерживаемых сценариев, позволяя операторам начинать с гораздо меньшего пространства поиска для анализа первопричин.NVIDIA Minerva включает нативного ИИ-агента по имени Sherlock, основанного на живой телеметрии и графе знаний, который позволяет операторам запрашивать систему для анализа первопричин на естественном языке. Sherlock может представлять подтверждающие доказательства и рекомендовать меры по устранению, не требуя от операторов знания конкретных метрик или языков запросов, предоставляя путь к отраслевым знаниям, которые традиционно требовали эскалации к специалистам. Кроме того, MCP-сервер Minerva позволяет внешним агентным инструментам запрашивать тот же операционный контекст, позволяя командам включать живые данные ИИ-фабрики в собственные рабочие процессы. Меры по смягчению могут оставаться одобренными человеком или автоматизироваться в соответствии с локальной политикой и оценкой рисков. В крупном ИИ-дата-центре Minerva выявила одно соединение NVLink из 400 000 интерфейсов, теряющее пропускную способность, что позволило SRE вывести затронутые узлы из эксплуатации и восстановить полную скорость за минуты, а не часы.
- Public
- 26 Oct, 2026
Meta подтвердила падение продаж Quest и сместила фокус VR-стратегии на прорывные релизы
Свежий квартальный отчёт Meta демонстрирует заметное снижение продаж гарнитур Quest, что привело к падению выручки подразделения Reality Labs на 6% в третьем квартале 2026 года. Общая выручка сегмента составила 443 миллиона долларов. Это снижение было частично нивелировано устойчивым ростом доходов от AI-очков, что указывает на ясную смену потребительского спроса и корпоративных приоритетов. Финансовые данные подчёркивают: хотя продажи VR-железа замедляются, новые носимые устройства с упором на ИИ набирают обороты, меняя структуру доходов Reality Labs.По материалам MetaВ ответ на эти тенденции Meta официально изменила подход к разработке VR-оборудования. Глава компании Марк Цукерберг заявил, что теперь новые VR-устройства будут выходить только после достижения «значительных прорывов», аналогичных тем, что были показаны в Meta VR Glasses, выпущенных в этом году. Эта стратегия отходит от прежней модели регулярных поколенческих обновлений потребительских гарнитур. Привязывая релизы к существенным технологическим скачкам, а не к годовым циклам, Meta фактически отходит от итеративных улучшений в пользу более impactful, хотя и менее частых, запусков продуктов.VR-очки Meta | По материалам MetaСейчас компания делает приоритет на путь к персональной суперинтеллектуальности и развитию ИИ, которые вышли на первый план перед расширением VR-железа. Цукерберг подчеркнул, что, хотя он считает VR необходимым предшественником будущего голографического опыта, объединяющего физический и цифровой миры, темп инвестиций в эту область будет скорректирован. Теперь фокус смещён на внедрение возможностей ИИ, а VR выступает как фундаментальный шаг, а не главная непосредственная цель. Этот стратегический поворот означает, что ресурсы перенаправляются из потребительского VR-контента и оборудования в разработку продвинутых ИИ-систем и носимых устройств.В перспективе Meta VR Glasses, запланированные к запуску весной 2027 года, позиционируются как ключевой продукт для профессионалов и энтузиастов по цене 1300 долларов. Это устройство рассматривается не столько как традиционный VR-гарнитур, сколько как ступенька к дополненной реальности. Тем временем будущее игровой платформы Quest остаётся неопределённым, поскольку Meta откладывает итеративные VR-релизы. Хотя возможные скидки на модели Quest 3 и 3S в праздничный сезон могут дать временный импульс продажам, компания уже вывела большую часть средств, выделенных на крупномасштабный VR-контент, подтверждая долгосрочную приверженность новому курсу, ориентированному на ИИ.
- Public
- 26 Oct, 2026
Стандарт OpenXR Spatial Containers унифицирует объёмный мультитаскинг
Khronos выпустила новые расширения OpenXR Spatial Container, которые стандартизируют системное управление пространствами для отображения объёмного 3D-контента. Этот подход повторяет логику традиционных настольных ОС, управляющих 2D-приложениями в окнах, но переносит её в иммерсивную 3D-среду. OpenXR остаётся ведущим открытым API для разработки AR, VR и MR, поддерживаемым консорциумом, стоящим за OpenGL и Vulkan. Его главная цель - дать разработчикам возможность создавать приложения, работающие на разных гарнитурах без привязки к проприетарным API. Сейчас OpenXR поддерживают почти все крупные гарнитуры, движки и рантаймы, за исключением Apple Vision Pro и PlayStation VR2 на PS5.Пространственные контейнеры OpenXR, как показано на SIGGRAPH 2026.Новые расширения позволяют создавать приложения, переключаящиеся между режимами мультитаскинга и полного погружения. Одно приложение может содержать несколько Spatial Containers, позиционирование которых контролирует система. Разработчик может задать предпочтительное место для контейнеров или доверить их размещение системе, например, чтобы они следовали за пользователем при движении. Архитектурно это похоже на модель Shared Space в Apple Vision Pro, где оконные и объёмные приложения сосуществуют в управляемом системой окружении перед переходом в полный иммерсивный режим. Это также соответствует дизайну Pico OS 6 для будущей Pico Space Pro, использующей единую систему рендеринга Pico Spatial Engine для запуска 2D и 3D-приложений рядом на виртуальном или прозрачном фоне.Стандартизация решает серьёзную проблему текущих лидеров рынка, таких как Android XR от Google и Horizon OS от Meta. Хотя эти платформы поддерживают мультитаскинг 2D-приложений, они пока ограничивают пользователя запуском только одного 3D-приложения одновременно. Внедрение Spatial Containers предлагает путь к снятию этого ограничения. Джаред Файндер, руководитель платформы XR и SDK в Google, подтвердил в официальном анонсе Khronos, что компания рада добавить поддержку Spatial Container в Android XR. Для Meta эти расширения открывают возможность возродить концепцию Augments - категории системных 3D-приложений, анонсированной для Quest 3 в 2023 году, но впоследствии фактически отменённой.Ранее Meta сообщала, что функция Augments пересматривается с нуля, так как первоначальный подход оказался недостаточным. Недавние обновления Horizon OS и инструментов для разработчиков сосредоточены на реорганизации управления пространственными окнами и улучшении 3D-приложений, что намекает на возможное использование новых расширений OpenXR для реализации изначальной идеи Augments. Изначально планировалось строить эти расширения на базе Meta Spark Studio - ныне закрытого инструмента для создания AR-опытов, поддерживавшего импорт 3D-ассетов и продвинутую функциональность через JavaScript. Хотя Meta не дала чёткого обещания поддержать расширения в официальном заявлении, техническое совпадение с их текущими приоритетами делает это направление вполне вероятным для их экосистемы.Спецификации и примеры кода для OpenXR Spatial Containers уже доступны разработчикам. Рабочая группа OpenXR в Khronos также активно трудится над дополнительными расширениями, которые позволят приложениям использовать системный рендерер, оптимизированный под конкретное железо - от высокопроизводительных гарнитур до устройств с низким энергопотреблением. Группа ожидает, что внедрение этих расширений начнётся в экосистеме OpenXR в текущем году. Это важный шаг к единому стандарту объёмного мультитаскинга, который может снизить фрагментацию и позволить создавать более сложные многоприкладные пространственные опыты на разнообразном оборудовании.
- Public
- 25 Oct, 2026
Шестой Godot XR Community Game Jam завершён: 28 работ под темой «В дрейфе»
Шестой сезон Godot XR Community Game Jam состоялся с 21 сентября по 5 октября 2026 года. Хотя число участников сократилось с 98 до 85, количество представленных проектов выросло с 22 до 28 игр. Это свидетельствует о более высокой концентрации завершённых работ высокого качества, а не о большом количестве недоделанных попыток. Центральной темой этого цикла стала «В дрейфе», которая вдохновила на разнообразные творческие интерпретации в представленных играх.Пять лучших работ продемонстрировали разнообразие механик в пространстве XR. В одной из игр игрокам приходилось физически тянуть рычаги, чтобы управлять воздушным шаром, сражаясь с визуализированными воздушными потоками и обстреливая цели из установленной пушки. Другая игра предлагала управлять дроном на тросе, который собирал электричество из шторма для питания корабля, создавая баланс между сбором энергии и уклонением. Физическая игра на складывание башни помещала игроков на остров, где им предстояло строить конструкции из дрейфующего мусора, точно контролируя баланс.Обманчиво простой шутер требовал лопать воздушные шары в строгие временные рамки, используя заработанную валюту для покупки улучшений, таких как дополнительное время или ёмкость оружия. Эта структура в стиле roguelike добавила стратегическую глубину к приятному VR-стрельбе. Победной работой стала Wavemaker от Unit327, которая позволяла игрокам создавать волны в бассейне, чтобы продвигать лодки через уровни. Игроки могли плескаться руками, бросать плюшевые игрушки или управлять скоростным катером на пульте, манипулируя динамикой воды на всё более сложных этапах.Конкуренция была напряжённой, и Unit327 одержала победу, несмотря на серьёзное сопротивление. Организаторы выразили благодарность всем конкурсантам и голосующим за их вклад в мероприятие. Следующий сезон Godot XR Community Game Jam предварительно запланирован на начало апреля 2027 года. Точная дата будет объявлена ближе к началу события, чтобы разработчики могли подготовить свои проекты к предстоящему испытанию.
- Public
- 24 Oct, 2026
Tripo P2.0 и рабочий процесс Astra: генерация и интеграция 3D-ассетов в Blender и Unity
Генеративные 3D-пайплайны эволюционируют от изолированного создания моделей к интегрированным конвейерам ассетов. Последняя 3D-нативная фундаментальная модель Tripo, P2.0, разработана для генерации треугольных или квад-мешей с такими функциями, как настраиваемая плотность полигонов, разделение частей, Smart UVs и региональное редактирование мешей. В связке с Astra эти ассеты можно собирать, ригать, анимировать и интегрировать в интерактивные сцены с помощью профессионального программного обеспечения, такого как Blender и Unity. Такое разделение труда позволяет создателям сосредоточиться на конкретных компонентах, пока Astra координирует последующие задачи, гарантируя, что сгенерированная геометрия эффективно поддерживает требования к риггингу, анимации и производству в реальном времени.Запись в X: https://twitter.com/luccacerf/status/2096308567863079420Рабочий процесс функционирует путем генерации отдельных частей по отдельности, что дает создателям точный контроль над формой и деталями. Например, создатель может сгенерировать тело, голову и волосы персонажа как отдельные ассеты, используя Tripo P2.0 или модель H3.1, которая фокусируется на высокой детализации. Затем Astra помогает собрать эти компоненты в Blender, управляя переходом к риггингу и анимации. Этот модульный подход позволяет пользователям дорабатывать или перегенерировать конкретные компоненты, не начиная весь процесс генерации ассета заново. Способность Astra основана на рассуждениях о 3D-задачах и выполнении кода или скриптов для манипуляции ассетами, что делает ее мощным инструментом для координации сложных многошаговых процессов в устоявшихся 3D-средах.Запись в X: https://twitter.com/Stefan_3D_AI/status/2096481425050743048Практические применения этого рабочего процесса уже появились в сообществе. Создатель Ring Hyacinth использовал Nano Banana для референсных изображений, Tripo P2.0 для моделирования и Codex для создания сцены «Алиса в Стране чудес» с эффектами и интерактивом. Аналогичным образом, Lucca Cerf, не имеющий опыта в разработке игр или дизайне, использовал пайплайн Astra → Tripo P2.0 → Blender → Unity для создания фан-игры по мотивам World of Warcraft. Опираясь всего на три промпта, Cerf завершил проект примерно за 90 минут. Эти примеры демонстрируют, что сочетание Tripo и Astra позволяет людям без предварительного опыта в 3D быстро создавать сложные интерактивные сценарии и играбельные прототипы.Технические характеристики моделей Tripo адаптированы для готовности к производству. Серия P оптимизирует структуру меша, топологию и редактируемость, тогда как серия H делает приоритет на точность для сложных форм. Пользователи могут управлять плотностью полигонов, выбирать между треугольной или квад-топологией через Smart Mesh, а также генерировать текстуры и материалы. Автоматические функции риггинга и анимации доступны для персонажей, а настройки экспорта позволяют точно контролировать масштаб, ориентацию и точки поворота при переносе ассетов в Blender или игровые движки. Такой уровень контроля обеспечивает, что сгенерированные ассеты соответствуют техническим стандартам, необходимым для движков реального времени и профессиональных DCC-приложений.Контроль качества остается критически важным аспектом рабочего процесса, поскольку ИИ ускоряет создание, но не устраняет необходимость в художественном суждении. После сборки создателям необходимо проверять пропорции, выравнивание, силуэты и соединения между компонентами. Анимация требует оценки деформации в таких областях, как плечи, локти, колени и мимика. Хотя рабочий процесс подходит для ранних и средних этапов производства, таких как идеация, прототипирование и превизуализация, профессиональные студии могут все еще дорабатывать ключевые ассеты в DCC-инструментах. Цель состоит в том, чтобы сделать высококачественную 3D-генерацию доступной, не требуя от каждого создателя становиться 3D-специалистом, позволяя художникам сосредоточиться на творческом направлении и интеграции в целостные художественные системы.
- Public
- 24 Oct, 2026
Опубликованы записи JetBrains GameDev Day 2026: ключевые технические решения для современной разработки игр
Полный архив JetBrains GameDev Day 2026 теперь доступен на YouTube. Это исчерпывающий ресурс для разработчиков, решающих реальные производственные задачи. Мероприятие прошло 28 сентября и собрало экспертов индустрии, чтобы обсудить инструменты и методологии, формирующие текущий ландшафт игровой инженерии. Сессии сфокусированы на практическом применении: от интеграции систем сущностей и компонентов (ECS) в живые игры до использования ИИ для процедурной генерации контента. Разработчики, которые смотрели трансляцию в Белграде или Лимассоле, или те, кто пропустил живое событие, теперь могут пересмотреть материалы в удобном темпе, чтобы разобраться в современных рабочих процессах и инструментах.Значительная часть технического контента посвящена интеграции ИИ в существующие конвейеры разработки. Одна из ключевых сессий показывает, как поддержка Model Context Protocol в TeamCity и интерфейс командной строки (CLI) переносят процессы непрерывной интеграции непосредственно в среду разработки. На примере проекта в Unity презентация демонстрирует, как расследовать сбои сборки и взаимодействовать с CI-конвейерами, не переключаясь постоянно между разными инструментами. Кроме того, другой доклад рассматривает агентные рабочие процессы, адаптированные специально для Unreal Engine, с использованием Rider, ACP и специфичных для движка навыков. Эти демо иллюстрируют, как ИИ-агенты могут ориентироваться в сложных архитектурах движков, генерировать код на C++, расследовать падения и автоматизировать различные задачи разработки, выходя за рамки простого содействия в написании кода к более автономному решению проблем.Для команд, работающих с крупными ассетами, сессия о Lore VCS с открытым исходным кодом от Epic Games дает важные представления о управлении файлами размером в несколько гигабайт, которые меняются ежедневно. В отличие от традиционных систем контроля версий, созданных для кода, Lore разбивает файлы на фрагменты с адресацией по содержимому, гарантируя передачу только измененных частей ассета. В обсуждении рассматривается, как кэши на периферии могут заполняться по запросу, а не предзаполняться заранее, и приводятся инструкции по развертыванию системы с использованием модуля Lore в AWS Cloud Game Development Toolkit. Этот подход решает одну из главных проблем современной разработки игр, где управление ассетами часто замедляет сотрудничество и процессы сборки. Понимание этих механизмов необходимо для студий, стремящихся оптимизировать свою инфраструктуру и снизить затраты на хранение и пропускную способность.Оптимизация производительности и отладка остаются центральными темами, с детальными сессиями по профилированию в Unreal Engine и кросс-языковой отладке. Один из спикеров использует живое профилирование, чтобы показать, как мелкие инженерные решения накапливаются и превращаются в узкие места геймплея, демонстрируя практические рабочие процессы оптимизации с использованием Unreal Insights и Rider. Другая сессия разбирает сложный сценарий, где клиент написан на C#, а сервер - на C++, показывая, как отлаживать обе среды выполнения одновременно с помощью Rider и CLion. Такой подход позволяет разработчикам читать данные, пересекающие границу протокола, и определять, какая среда выполнения вызывает проблемы. Акцент делается на границе между средами выполнения как на критической зоне для расследования, предоставляя структурированный метод для устранения ошибок, затрагивающих несколько языков и сред.На мероприятии также были представлены глубокие погружения в конкретные интеграции движков и автоматизацию пользовательского интерфейса. Заметная сессия представила конвейер Figma-to-Unity, который эволюционировал за годы производственного использования и теперь работает через ИИ-агента по MCP. Докладчики охватили основы дизайна, делающие такую автоматизацию возможной, уроки, извлеченные при создании системы, и бенчмарк того, какие задачи интеграции UI агент может выполнять сегодня, а какие все еще требуют человеческого вмешательства. Другой доклад сфокусировался на внедрении ECS в массовую живую игру без переписывания движка, обсуждая поэтапные стратегии миграции, компромиссы в раскладке памяти и преимущества гибридного подхода, сочетающего ECS с легаси-кодом. Эти сессии предоставляют практические стратегии для модернизации существующих кодовых баз, сохраняя стабильность в живых продуктах.
- Public
- 24 Oct, 2026
NVIDIA TensorRT 11.1: глобальный тюнер производительности для автоматической оптимизации движков с учётом точности
Развёртывание нейросетей - это по сути задача компиляции, где не существует единой оптимальной стратегии для всех моделей. Когда NVIDIA TensorRT собирает движок инференса, он принимает взаимосвязанные решения о трансформациях графа, слиянии ядер, размещении памяти и квантовании. Этот процесс, известный как планирование (scheduling), сильно влияет на итоговую производительность инференса. Разные варианты планирования могут сохранять семантику модели, но давать совершенно разные результаты по скорости. Поскольку эти эффекты связаны между собой и зависят от конкретной модели, они часто проявляются только после полной сборки и замера движка. Это делает предсказание лучшей стратегии всё более сложным по мере разнообразия моделей и сред развёртывания.Рисунок 1. Один фиксированный рецепт не масштабируется на противоречивые предпочтения клиентовИсторически TensorRT полагался на внутренние модели ключевых показателей эффективности (KPI) для выявления оптимизируемых паттернов, которые затем кодировались в виде эвристик в стандартной стратегии планирования. Хотя это позволяло пользователям автоматически пользоваться экспертными знаниями, возникла проблема масштабируемости. Эвристика, разработанная для одного типа моделей, могла вызывать деградацию производительности на другом, требуя дополнительных исключений. Это делало логику планирования сложной и трудно расширяемой. Global Performance Tuner, представленный в TensorRT 11.1, решает эту проблему, отказываясь от единственного фиксированного рецепта. Вместо этого он рассматривает конвейер компилятора как базовый рецепт с настраиваемыми «специями», позволяя системе адаптировать путь оптимизации под конкретные характеристики входной модели, будь то граф ONNX или сеть, созданная через API TensorRT.Рисунок 2. Настройте вкус для каждого клиентаЧтобы формализовать этот подход, система использует математическую рамку, разделяющую генерацию кандидатов и их выбор. Пространство моделей состоит из всех возможных входных данных, а пространство решений - из всех исполняемых выходов, таких как движки TensorRT или сериализованные последовательности GPU-ядер. Алгоритм сборки (builder) отображает модель в набор кандидатов, ограниченный порогом допустимой погрешности. Этот порог гарантирует, что пары «вход-выход» остаются в допустимых пределах, предотвращая агрессивные оптимизации, которые нарушают требования приложения. Цель алгоритма сборки - сгенерировать богатый набор кандидатов, включающий оптимальное решение, определяемое как самое быстрое допустимое выполнение, удовлетворяющее критериям точности. Эта абстракция позволяет строго анализировать, как разные маршруты сборки влияют на итоговое время выполнения.Затем алгоритм поиска работает с этим набором кандидатов, чтобы выбрать лучшее решение. В идеале этот алгоритм должен был бы выполнить перебор всех кандидатов, чтобы найти тот с минимальным временем выполнения. Однако на практике бюджеты времени сборки часто ограничивают глубину такого поиска. Таким образом, весь компилятор представляется как кортеж из сборщика (builder) и поисковика (searcher). Сложность заключается в построении оптимального сборщика, который делает глобально оптимальное решение достижимым. Поскольку единого универсального маршрута сборки не существует для всех моделей, система должна поддерживать настраиваемые маршруты. Это означает, что последовательность проходов компилятора, преобразующих промежуточные представления в финальные исполняемые файлы, может варьироваться. Разные модели могут достигать лучшей производительности через разные последовательности трансформаций, даже на одном и том же целевом GPU.Global Performance Tuner использует эти настраиваемые маршруты сборки для автоматической настройки производительности. Для каждого кандидата, сгенерированного разными маршрутами, тюнер проверяет выходные данные на соответствие заданному критерию точности. Затем он измеряет сквозную производительность инференса для допустимых решений. Среди всех кандидатов, удовлетворяющих требованиям к точности, система выбирает тот с наименьшим временем выполнения. Такой подход гарантирует, что прирост производительности не достигается за счёт потери точности модели. Рассматривая процесс компиляции как поиск по множеству возможных маршрутов сборки, а не как единственный фиксированный путь, TensorRT 11.1 предлагает масштабируемый метод оптимизации задач глубокого обучения для разнообразных моделей и аппаратных конфигураций.Эта методология устраняет ключевое ограничение предыдущих подходов, где изменение для одной модели могло ухудшить производительность для другой. Держа базовый конвейер стабильным, но делая решения о планировании настраиваемыми, система эффективно справляется с новыми моделями с неизвестными предпочтениями. Она предлагает различные варианты оптимизации, отклоняет те, которые не проходят проверку точности, и сохраняет конфигурацию с наилучшей производительностью. Это аналогично шефу, который предлагает новому клиенту бесплатные образцы, чтобы найти предпочтительную комбинацию специй, а не навязывает один стандартный рецепт. Результатом становится более устойчивый процесс компиляции, который адаптируется к конкретным потребностям каждой нейросети, обеспечивая разработчикам максимально возможную скорость инференса без ущерба для требуемой точности их приложений.
- Public
- 23 Oct, 2026
Структурные барьеры на пути массового внедрения оптических AR-очков с прозрачным дисплеем
Сектор оптической дополненной реальности с прозрачным дисплеем (see-through AR) сейчас переживает значительный стратегический поворот. Долгие годы индустрия пыталась получить AR-возможности на базе высококлассных VR-шлемов, стремясь к широкому полю зрения и сложным функциям, что приводило к созданию громоздких и дорогих устройств. Этот подход в значительной степени зашел в тупик. Современная траектория развития предполагает наращивание функционала, начиная с аудио-АИ очков, таких как Meta Ray-Ban Wayfarers, которые достигли критической точки перелома в годовых отгрузках - примерно 10 миллионов единиц. Этот объем является ключевым ориентиром для массового рынка. Напротив, отгрузки VR-шлемов снизились с пиковых 10 миллионов единиц в 2021 году до 3,5-6 миллионов в 2026 году, что указывает на то, что выход за пределы сегмента энтузиастов остается серьезным препятствием для иммерсивных устройств.Одним из главных, часто недооцененных барьеров для потребительского внедрения является интеграция линз с диоптриями. Для пользователей, нуждающихся в коррекции зрения, текущие AR-очки представляют собой логистический и эргономический кошмар. В отличие от аудио-АИ очков, в которые можно вставить стандартные линзы, вырезанные локально под оправу, дисплейные AR-устройства обычно требуют заводской приклейки линз с диоптриями к волноводу. Этот процесс создает уникальный SKU для каждого клиента, что приводит к длительным срокам ожидания, измеряемым неделями. Кроме того, такие интегрированные линзы часто не обеспечивают адекватной коррекции астигматизма или бифокального зрения. Существуют решения в виде клип-вставок от сторонних производителей, но они слишком громоздки, чтобы служить обычными очками, что ограничивает их применение корпоративным сектором или VR-контекстом, а не повседневным использованием.Технологии дисплеев, необходимые для жизнеспособных AR-очков, сталкиваются со значительным застоем. Полноцветные MicroLED-дисплеи, которые необходимы для высокого качества читаемости на улице, медленно выходят на стадию массового производства. Текущие слухи указывают на то, что, хотя некоторые производители могут начать производство в ближайшей перспективе, разрешение остается низким, обычно колеблясь в районе 640 на 480 пикселей. Это разрешение класса VGA сопоставимо со стандартами персональных компьютеров 1980-х годов и недостаточно для потребления высококачественного текста или медиа. Отсутствие высококачественных полноцветных микродисплеев означает, что текущие AR-устройства не могут конкурировать с визуальной четкостью, которую пользователи ожидают от современных смартфонов или планшетов, что еще больше ограничивает их привлекательность для широкой публики.Цепочки поставок компонентов испытывают растущее давление из-за взрывного спроса на инфраструктуру ИИ. Массовое потребление полупроводников ИИ-дата-центрами поглотило свободные производственные мощности, оставив меньше ресурсов для производителей потребительской электроники. Эта нехватка влияет на доступность процессоров, памяти и других критически важных компонентов, необходимых для AR-очков. Кроме того, включение камер вводит сложный компромисс. Хотя камеры позволяют реализовать продвинутые функции, такие как одновременная локализация и картографирование (SLAM), они значительно увеличивают энергопотребление, размер и вес. Модуль камеры может потреблять столько же энергии, сколько сам дисплей, что затрудняет сохранение форм-фактора обычных очков при обеспечении автономной работы в течение всего дня.Индустрии необходимо избегать ловушки, когда фокус смещается на единственный показатель, например, стоимость, для стимулирования внедрения. Хотя цена является фактором, она вторична по отношению к функциональности и удобству использования. Исторические примеры, такие как Apple II и оригинальный Macintosh, показывают, что высокие начальные цены допустимы, если продукт предлагает уникальную ценность. Попытка создать дешевое устройство с ограниченной функциональностью является неэффективным распределением ресурсов. Вызов носит системный характер: решение одной технической проблемы, например, яркости дисплея, часто усугубляет другие, такие как энергопотребление или выделение тепла. Существует примерно от семнадцати до двадцати основных барьеров, которые необходимо решить одновременно, включая прозрачность, свечение глаз, артефакты дифракционных решеток и затемнение на улице.Для ношения в течение всего дня устройство должно функционировать как обычные очки при выключенном питании. Если устройство вызывает искажения или плохую коррекцию зрения в неактивном состоянии, оно не соответствует базовому требованию к очкам. Пользователи не готовы снимать очки и убирать их в защитный чехол, что сводит на нет смысл носимого устройства. Кроме того, интеграция дисплея с реальным миром по своей природе ухудшает качество обоих изображений. Физическое присутствие оптики между глазом и миром вносит отражения и артефакты. Таким образом, разработка AR-очков требует целостного подхода, который рассматривает оптическую точность, эргономический комфорт, совместимость с диоптриями и доступность компонентов как единую взаимосвязанную систему, а не как серию изолированных проблем.
Портфолио
- Public
Историческое портфолио. Включение: чем мы работаем
Здравствуйте, с вами снова Александр К. В первой части был 2013 год, свой движок на Java и первые игры. Прежде чем идти дальше по эпохам, сделаю включение и расскажу не про то, что мы делали для заказчиков, а про то, чем работаем сами.Потому что студия - это не только код. Это ещё и часы: по проектам, по задачам, по людям. От них зависит счёт клиенту, планирование и честный разговор о том, почему задача заняла три дня, а не один.Двенадцать лет мы считали время чужими рукамиИ перепробовали, кажется, всё. Продукты хорошие, но каждый раз что-то мешало. Одни дорожали, стоило команде вырасти больше пары человек. Другие умели так много, что ради двух часов работы приходилось разбираться в целой системе. Задачи жили в одном сервисе, часы в другом, и в конце месяца их сводили руками.В какой-то момент мы подумали: мы ведь умеем делать программы. Сделаем себе свою. Так появился Log.gold.Три действия, и ничему не надо учитьсяМы начали не с набора возможностей, а с того, что человек делает каждый день. Он садится за работу и хочет, чтобы время пошло. Всё.Поэтому работа с таймером - это «Старт», работа, «Стоп». Задача подсказывается с третьей буквы. Вчерашняя запускается одним щелчком. Позвонили или ушли на обед - есть пауза. Новый человек в команде разбирается за минуту, и это не фигура речи.Таймер сотрудника: идут часы, рядом свои задачи с оценкой и потраченным временемЗадачи там же, где часыВторое, что хотелось убрать, - два окна. Менеджер ставит задачу прямо здесь: название, описание, исполнители, ожидаемое время. Человек видит её у себя на таймере и запускает одним щелчком. Пишет комментарий, если что-то непонятно. Нажимает «Запрос закрытия», когда закончил. Менеджер в конце дня видит, кто над чем сидел, сколько ушло и сколько осталось.Менеджер видит, кто над чем работает прямо сейчас, сколько запланировано и сколько уже потраченоДосок с колонками, спринтов и подзадач здесь нет, и это намеренно. Небольшой команде их настройка часто обходится дороже самих задач. Если вам нужен большой менеджер проектов - Log.gold не он, и мы это говорим прямо.Цифры, которые не стыдно показать клиентуРади этого всё и затевалось, поэтому здесь по пунктам:Время считает сервер, а не вкладка браузера. Закрытый ноутбук, уснувший компьютер и пропавший интернет его не теряют.Забытый таймер обрезается сам - ночь не попадёт в отчёт и не придётся объяснять клиенту, откуда взялись четырнадцать часов.Свои часы сотрудник не правит: это делает менеджер, и каждая правка остаётся в журнале с именем и временем.Никакой слежки: ни снимков экрана, ни подсчёта нажатий. Мы считаем время, а не людей.Лёгкий, быстрый и на шести языкахИнтерфейс держим лёгким намеренно: без тяжёлых библиотек и мегабайтов скриптов. Страницы открываются мгновенно, работают на слабом ноутбуке и на телефоне в дороге. Устанавливать нечего, достаточно браузера.Сервис говорит на шести языках: английском, немецком, французском, польском, украинском и русском.На телефоне то же самое: таймер, задачи и сегодняшние записиПочему бесплатноLog.gold нужен прежде всего нам самим: наша команда работает в нём каждый день. Сервис живёт независимо от того, сколько у него пользователей, поэтому мы можем позволить себе не торопиться с оплатой.А лучше всего он подходит малым и средним командам: студиям, агентствам, фрилансерам и подрядчикам с почасовой оплатой, стартапам, которым нужен порядок, а не очередная система на внедрение. Именно таким командам дорогие трекеры кажутся избыточными, а таблицы быстро перестают справляться.Поэтому сейчас он бесплатный целиком: без пробного периода и урезанных тарифов. Компания заводится за минуту - название, почта, пароль. Сотрудников приглашают по почте.ПопробуйтеЕсли вы считаете часы в таблице, держите задачи и время в разных местах или просто устали от сложных трекеров - посмотрите Log.gold. Будем рады замечаниям: сервис меняется каждую неделю, и многое в нём появилось из пожеланий тех, кто им пользуется.Создать компанию в Log.goldА в следующей части вернёмся к истории: расскажу, чем закончился наш собственный движок и что было дальше. Не переключайтесь ))
- Public
Историческое портфолио. Часть 1: вводная
Здравствуйте, с вами Александр К., основатель Cyborgs.pro. Это первая часть нашего портфолио, и оно не витрина, а рассказ: путь компании от основания до сегодняшнего дня через условные «эпохи» мобильной разработки, которые мы прошли сами.Решение создать компанию было принято в сентябре 2013 года.Если вы отлично помните те времена, смело листайте до первых проектов. Если тогда вы были молоды, почитайте: станет понятно, с чем и как нам приходилось работать.Короткая ретроспективаОперационки. Android 4.3 Jelly Bean (июль 2013) и свежий Android 4.4 KitKat (октябрь 2013). У Apple вышел iOS 7, тот самый, с которого начался «плоский» дизайн.Устройства. На Android правили Samsung Galaxy S4, HTC One, LG Nexus 5 и Samsung Galaxy Note 3. У меня был Sony Xperia Z, водонепроницаемый флагман от японцев, по тем временам почти фантастика. Китай только пристраивался к европейскому рынку: из популярного были Huawei Ascend P6 и Lenovo K900, а для гиков Xiaomi Mi2S и Mi3. Поставь на такой CyanogenMod, и получалась ракета.У Apple были iPhone 5s и 5c: компактные, без защиты от воды и без беспроводной зарядки.Игры. Смешное было время. Всех рвал Doodle Jump, хитом стал собранный на коленке Flappy Bird, все бегали в Subway Surfers, а на другом полюсе стоял монстр Asphalt 8.Ошибочная мысльВ ИТ я с 2003 года. Иногда поигрывал на телефоне, смотрел на хиты, и в голове поселилась мысль: «То, что выстреливает, можно сделать самому и без больших трудозатрат. Игры-то простые, значит, и популярность не заставит себя ждать». Как же я ошибался!С этой целью мы собрали офлайн-команду: я, дизайнер, программист и даже офис-менеджер. Она же вела и до сих пор ведёт все наши соцсети. Слово SMM тогда звучало ещё экзотично: мы делали публикации в Google+ - помнит ли кто-то такое? А сейчас от её роликов нас уже не спасти :)Движок CyborgsПервым делом мы написали собственный движок Cyborgs: на Java и только под Android. Сегодня, если вы хотите сделать мобильную игру, бесплатных движков на выбор целая куча. Тогда Unity был сырым и глючным, а мобильных игр на нём практически никто ещё не делал: для лёгкой 2D-игры под Android он был тяжеловесом.Движок позволял делать очень шустрые игры: базовая физика, спрайтовая (а позже и скелетная) анимация, редактор уровней и куча мелочей. Весил он килобайт 300. Пустой проект на Unity сегодня весит раз в 10, а то и в 50 больше, а у нас целая игра помещалась в полмегабайта.Самописный движок стал ядром, семечком компании, из которого выросло всё остальное. Жаль, что через несколько лет не хватило ресурсов развивать его дальше: темп после старта взяли очень высокий.Первые игрыChristmas Snowman Jump. Наш первый тест и аналог Doodle Jump. Прыгаешь в бесконечность, стреляешь, уворачиваешься от неприятностей. Игра получилась весёлой, собрала несколько тысяч игроков и дала нам первый опыт. Звук выстрела, тот самый «чпок», записал своим голосом наш дизайнер. Так что снеговик «чпокал» врагов на раз, как бы это ни прозвучало ))Christmas Snowman Jump - наш первый тест и аналог Doodle JumpSpace Brain Defence. Уморительная игрушка на гироскопе. Робот стреляет сам, а ты управляешь наклоном телефона и супервыстрелом. Враги, как в Galactix 1992 года, роились, летали и распадались на части, была пара боссов, всё на спрайтовой анимации. Две локации по несколько уровней.Space Brain Defence - стрельба на гироскопе, две локации и пара боссовМне эта игра до сих пор очень нравится. Может, воскресить проект? Исходники где-то лежат, да и APK под Android с 2.3 по 4.3 сохранился. Интересно, запустится ли он на Android 17?Первые заказыПошли заказы, и делали мы их на своём движке.Flying Flurry. Двухмерный раннер с видом сбоку, про вертолёт.Flying Flurry - двухмерный раннер с видом сбоку, про вертолётKite Flight. То ли вертикальный раннер, то ли Doodle Jump, а скорее их смесь. Управляешь воздушным змеем, летишь вверх и уворачиваешься от препятствий. Стрелять он, насколько я помню, не умел: турелей-то у змея не было )Kite Flight - воздушный змей летит вверх и уворачивается от препятствийНа внешних проектах мы учились делать приложения под ключ. Заказчикам нужны были аналитика, Crashlytics и разные рекламные агрегаторы. Всё это мы встраивали впервые, да ещё в собственный движок.Flash Cards: первые свои деньгиУже тогда маркеты позволяли докупать главы и дополнительный контент. Мы проверили это на карточках Домана Flash Cards: половина карточек бесплатно, половина за деньги.Flash Cards - карточки Домана: половина бесплатно, половина за деньгиДля тех, кто не знает: это картинки, статичные или анимированные, по которым дети учат предметы и язык. Всё просто: ребёнок тапает по экрану и получает картинку с названием. Хорошее приложение, им пользовались и мои дети на планшетах.Именно оно принесло компании первые деньги на собственных приложениях.Уроки первой эпохиЯ уже писал, что мы ошибались. Вот ещё одна ошибка: мы верили, что реклама внутри наших приложений принесёт деньги. Если у тебя тысячи пользователей, не принесёт.Отсюда вырос один из наших главных принципов: экспертиза. За годы работы мы научились честно говорить, что сработает, а что нет. Сегодня на таком опыте учатся нейросети, а мы прошли его сами, за свои деньги и своё время.Вместо послесловияСейчас время думскроллинга: ленту листают быстрее, чем читают. А вы дочитали до конца, и с этим я вас искренне поздравляю!В следующей части расскажу, чем закончилась история нашего движка и что было дальше. Не переключайтесь ))
- Public
Технологии встречают моду: Почему Metaverse — это будущее шоппинга
Шоппинг в Metaverse — как технологии меняют покупкиВиртуальная реальность всё активнее интегрируется в нашу повседневную жизнь, и шоппинг в Metaverse стал настоящим символом нового цифрового века. Вместо того чтобы гулять по традиционным магазинам или даже делать покупки через экран телефона, Metaverse предлагает уникальное взаимодействие, которое одновременно удивляет и вдохновляет.Что такое шоппинг в Metaverse?Metaverse — это виртуальная вселенная, где можно не только общаться, играть или работать, но и совершать покупки. Бренды создают целые виртуальные миры, где вы можете:Примерить одежду, используя реалистичные аватары, повторяющие вашу внешность;Купить уникальные цифровые аксессуары, которые могут быть использованы в виртуальных играх или социальных платформах;Ощутить атмосферу бренда, прогуливаясь по его цифровому пространству.Как это выглядит?Представьте себе, что вы входите в виртуальный бутик известного модного дома. Вас окружает архитектура, которую можно создать только в цифровом мире: стены из света, динамические экспонаты и интерактивные элементы. Никаких ограничений пространства! Вы берёте в руки одежду, видите, как она будет смотреться на вашем аватаре, а после покупки она моментально попадает к вам на дом или в виртуальный гардероб.Преимущества шоппинга в MetaverseИнтерактивность: Возможность испытать продукт перед покупкой.Эксклюзивность: Цифровые товары и ограниченные коллекции, доступные только в Metaverse.Глобальность: Виртуальный магазин доступен из любой точки мира.Персонализация: Вы можете создавать собственные дизайны и стили с помощью цифровых инструментов.Уникальный опыт: Это не просто покупка, а полноценное приключение.Кто уже делает шоппинг в Metaverse?Мировые бренды активно включаются в цифровую гонку:Nike создала виртуальный магазин Nikeland, где пользователи могут покупать кроссовки и одежду.Gucci предлагает эксклюзивные цифровые аксессуары для аватаров.Adidas запускает NFT-коллекции, которые дают доступ к физическим товарам.Будущее шоппинга в MetaverseС каждым днём виртуальная реальность становится всё доступнее, и скоро шоппинг в Metaverse станет частью жизни каждого. Это не просто технологии — это новый способ взаимодействия с брендами, позволяющий делать покупки ярче, удобнее и интереснее. https://youtu.be/kT3lWLGV7lQ
- Public
Возможности дополненной реальности в нашей жизни
Мы создаем решения, которые дополняют реальный мир контентом дополненной реальности. При помощи данной технологии AR можно мгновенно осуществлять покупки и создавать развлекательный контент. Инновационные технологии ворвались в нашу жизнь и заняли множество ниш в разных сферах жизни деятельности. Дополненная реальность находится на исходном этапе своего существования, она очень стремительно прогрессирует. Предстоящее дополненной реальности очень ясное и мы можем ждать эволюцию концепции AR с возникновением на рынке новых вариантов применения. У AR есть фантастические возможности для реализации своих обещаний и предоставлений поражающих ощущений. Далее можете просмотреть видеоролики нашей разработки в развлекательном контенте https://youtu.be/hRqaPTYRjuEhttps://www.youtube.com/watch?v=VvQeUAxGC_Ahttps://youtu.be/dyn-pBUB-x0https://youtu.be/Y_hXXY1WXVA