Блог

Public
28 Oct, 2026

Мод Super Mario 64 для смешанной реальности на Pico: ИИ и настоящий стереоскопический рендеринг

XR-технолог и креативный разработчик Лукас Мартиниц продемонстрировал мод для смешанной реальности Super Mario 64, работающий на гарнитурах Pico. Проект превращает классическую игру 1996 года в парящее 3D-окно. Пользователи могут физически взаимодействовать с игровым миром: например, взять Марио из Грибного Королевства и поставить его на реальный стол. Эффект достигается за счет кода, написанного с помощью ИИ, и декомпилированной версии оригинальной игры. Это создает бесшовный мост между цифровым платформером и физическим пространством. Мод делает важный шаг к тому, чтобы старые 3D-игры стали доступны на современном оборудовании для пространственных вычислений, без использования традиционных, часто неидеальных, методов портирования.Фото: Lucas MartinicРазработка началась со ссылок на реализацию Super Mario 64 для Quest 3, которую в 2023 году сделал Йонас Якоби. Однако Мартиниц решил начать с нуля, используя декомпилированный исходный код. Он применил модель Claude Opus 5.5 вместе с PICO CLI - командным инструментом, который связывает ИИ-ассистентов по написанию кода с инструментами для пространственных вычислений и разработки XR от Pico. Ключевое техническое преимущество - отсутствие стереоскопических костылей, таких как рендеринг через кадр или экстраполяция буфера глубины. Эти приемы часто встречаются в VR-портах, но дают не лучший визуальный результат. Вместо этого мод обеспечивает настоящий стереоскопический рендеринг и работает нативно на 90 кадрах в секунду. Конкретная дата релиза не объявлена, но Мартиниц сообщил, что скоро поделится подробностями на своем сайте и в GitHub.

Public
28 Oct, 2026

Ограничение памяти GPU по нагрузкам в Kubernetes с CUDA 13.4 и планировщиком KAI

AI-нагрузки часто требуют лишь части GPU, но выделение целых устройств приводит к простаивающим мощностям и неэффективному использованию инфраструктуры. GPU NVIDIA поддерживают различные механизмы разделения: Multi-instance GPU (MIG) для аппаратной изоляции, time-slicing для последовательного выполнения процессов и Multi-Process Service (MPS) для параллельного выполнения в отдельных пространствах адресов. Хотя MPS позволяет делить вычислительные ресурсы, ранее в нем отсутствовали строгие границы памяти. CUDA 13.4 закрывает этот пробел, вводя новый режим time-sharing, который прозрачно для приложения ограничивает память, гарантируя, что каждая нагрузка работает в заданных пределах без изменения кода.Рисунок 1. Time-slicing разделяет время GPU. SM-sharing разделяет его потоковые мультипроцессоры (sm)Реализация этих возможностей в кластере Kubernetes требует координации на уровне узлов, независимой от планировщика. Оператор gpu-fractioning с открытым исходным кодом, размещенный в организации KAI Scheduler на GitHub, работает вместе с NVIDIA GPU Operator для настройки этих параметров. Он выполняет три ключевые функции: читает аннотации подов для определения требований к памяти и вычислениям, настраивает выделенные GPU для принудительного соблюдения этих лимитов и управляет переключением между режимами разделения. Этот оператор обеспечивает соблюдение аппаратом логических границ, заданных планировщиком кластера, связывая высокоуровневые решения о планировании с низкоуровневым выполнением на GPU.Процесс начинается с того, что разработчики указывают требования к ресурсам и режимы через аннотации YAML подов. Затем планировщик выбирает подходящие GPU, записывает выделение памяти и режим разделения вычислений в аннотации подов для каждого контейнера и назначает нагрузку. Оператор gpu-fractioning читает эти аннотации и настраивает GPU соответственно. Любой планировщик Kubernetes, способный записывать эти аннотации, может ограничивать доли GPU, если он соблюдает два правила: выбирать GPU с достаточной свободной памятью и не смешивать режимы вычислений на одном устройстве. Планировщик KAI первым интегрировал эту функцию, представив режим разделения GPU под названием NvFractions начиная с версии v0.18.0.Режим NvFractions в планировщике KAI позволяет администраторам определять дробные нагрузки с помощью четырех ключевых аннотаций, которые регулируют запросы памяти, лимиты роста, режимы разделения вычислений и количество устройств. Запросы памяти можно указывать как абсолютные размеры с использованием стандартных единиц Kubernetes или как доли GPU с помощью аннотации gpu-fraction. Новая возможность позволяет нагрузкам объявлять гарантированный минимальный запрос и максимальный лимит всплеска, который является необязательным и по умолчанию равен значению запроса, если не указан. Лимиты долей должны превышать gpu-fraction и оставаться ниже 1. Разделение вычислений теперь явно задается для каждого контейнера, позволяя выбирать между sm-sharing и time-slicing.Общий GPU работает только в одном режиме вычислений за раз, поэтому планировщик KAI предотвращает размещение нагрузок с разными режимами на одном GPU, хотя один узел может содержать оба режима на разных устройствах. Для конфигураций с несколькими GPU аннотация gpu-fraction-num-devices указывает, на сколько устройств распространяется нагрузка, при этом запрос памяти применяется к каждому устройству индивидуально. Например, запрос 40Gi с четырьмя устройствами выделяет 40Gi на каждом GPU. Такая настройка идеальна для серверов инференса, которым нужна гарантированная память на каждый GPU и возможность всплеска, когда соседи простаивают, используя sm-sharing для доверенных нагрузок, выполняемых параллельно в одной области ошибок.Напротив, time-slicing подходит для разработки или пакетных задач, таких как ноутбуки и небольшие прогоны дообучения, где предпочтительна изоляция. В этом режиме каждая нагрузка получает собственную область ошибок, что означает, что сбой в одной задаче не влияет на другие. Нагрузка может запросить половину двух GPU с лимитом роста до 80%, когда память доступна. Запуск nvidia-smi внутри контейнера отобразит дробную долю памяти для каждого выделенного GPU. Оба инструмента, KAI Scheduler и оператор gpu-fractioning, доступны на GitHub в организации KAI Scheduler, с подробными руководствами по установке и конфигурации для всех механизмов разделения.

Public
27 Oct, 2026

Вышел Material Maker 1.8 с новыми узлами Trimsheet и Auto Export

Rod Zilla выпустил версию 1.8 Material Maker - открытого программного обеспечения на основе узлов для процедурного создания материалов и 3D-раскраски текстур. Инструмент построен на движке Godot и служит бесплатной альтернативой индустриальным стандартам вроде Substance 3D Designer. Обновление направлено на повышение эффективности работы игровых художников: добавлены специализированные узлы, которые упрощают создание и экспорт текстурных ассетов прямо в игровые движки.Главное нововведение в этом релизе - узел Trimsheet. Он позволяет генерировать трим-листы, предназначенные специально для игр. Эта функция закрывает частую потребность в пайплайнах игровой графики, где повторяющиеся текстуры упаковывают в единые карты для эффективного рендеринга. Параллельно добавлен узел Auto Export, который автоматически пересоздает экспорт текстурных карт при каждом обновлении графа узлов. Такая автоматизация убирает ручной шаг запуска экспорта после каждого изменения, что значительно ускоряет итеративный процесс дизайна для разработчиков, работающих со сложными процедурными настройками.Среди других улучшений - узел Crop (обрезка) и узел Gaussian Blur (гауссово размытие) высокого качества, расширяющие библиотеку инструментов для работы с текстурами. Пользовательский интерфейс также доработан: теперь поиск работает не только по верхнеуровневым узлам, но и внутри подузлов, что упрощает навигацию по сложным графам. Добавлена новая тема интерфейса с возможностью выбора базового цвета для дополнительной кастомизации. Софт по-прежнему поддерживает экспорт PBR-текстур с готовыми шаблонами для Unity, Unreal Engine и Godot, обеспечивая бесшовную интеграцию в основные среды разработки игр.Material Maker 1.8 доступен для загрузки на Windows, Linux и macOS. Исходный код размещен на GitHub под лицензией MIT, что гарантирует полную прозрачность и позволяет сообществу вносить вклад в развитие проекта. Скомпилированные бинарные файлы можно бесплатно скачать со страницы разработчика на itch.io. Поддержать дальнейшее развитие можно через Patreon или купив софт в Steam. Инструмент остается мощным решением для художников, ищущих способный и бесплатный вариант для процедурной генерации текстур и 3D-раскраски без ограничений проприетарных лицензий.

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.