Blog

Public
28 Oct, 2026

Osnove igračkog terena: pločice, visinske mape, vokseli i proceduralna generacija

Teren u videoigrama služi kao osnovna površina za kretanje igrača i kontekst okruženja. To nije samo vizualna pozadina, već važan dizajnerski alat. On određuje rute, vizualne horizonte i opće raspoloženje igračkog svijeta. Iako teren često imitira prirodne površine, poput stijena, pijeska i tla, on može predstavljati i umjetne objekte, npr. puknuti asfalt. Učinkovito dizajniranje pejzaža podrazumijeva namjerno oblikovanje reljefa kako bi se podržale specifične igračke situacije i dinamika kretanja. Zbog toga je teren sastavni dio arhitekture razina, a ne statična pozadina.U razvoju dvodimenzionalnih igara teren se obično gradi na temelju sustava pločica. Ovaj pristup koristi male, pravilne slike raspoređene u mrežu kako bi se sastavila kompletna mapa razine. Pojedinačne pločice, poput trave, zemlje ili vode, su višekratno upotrebljivi resursi koji definiraju i vizualni izgled i funkcionalna svojstva okruženja, uključujući prolaznost i granice sudara. Ova metoda je posebno učinkovita za igre s gornjim i bočnim pogledom, omogućujući programerima da brzo grade složene razine iz ograničenog skupa komponenti. Struktura mreže osigurava da svaka pločica točno dođe na svoje mjesto, pružajući dosljedan i upravljan okvir za dizajn razina i upravljanje resursima.Trodimenzionalni teren često se oslanja na visinske mape, koje su sivo-bijele slike u kojima svjetlina piksela odgovara nadmorskoj visini. U ovom sustavu, bijeli pikseli označavaju visoke točke, crni pikseli niska područja, a sive nijanse označavaju međuvrijednosti visine. Igrački engine interpretira ove podatke kako bi deformirao ravnu mrežu u brežuljke i doline. Iako su visinske mape izračunski učinkovite i lako se uređuju, one imaju značajno strukturno ograničenje: svaka točka mape može pohraniti samo jednu vrijednost visine. Posljedično, visinske mape ne mogu prikazivati složene geometrije, poput špilja, tunela ili nadvisenih stijena, gdje se tlo nalazi iznad drugog tla, što ograničava njihovu upotrebu na otvorene, nepreklapajuće pejzaže.Za okruženja koja zahtijevaju špilje, nadvisene strukture ili razarivo tlo, voxelski sustavi nude fleksibilnije rješenje. Vokseli tretiraju svijet kao trodimenzionalnu mrežu sitnih ćelija, od kojih je svaka označena kao čvrsta ili prazna. Ova struktura omogućuje stvaranje lebdećih otoka, podzemnih tunela i terena koji se može kopati ili razarati. Povijesno su voxelski sustavi izbjegavani zbog svoje visoke izračunske složenosti i troškova performansi. Međutim, nedavni napretak u alatima s podrškom umjetne inteligencije počinje činiti ove pristupe dostupnijima, smanjujući tehničku barijeru za implementaciju složenog, interaktivnog terena u modernim igračkim engineovima.Detaljan prikaz površine postiže se pomoću splat mapa, skrivenih tekstura koje određuju raspored i miješanje materijala. Splat mapa obično koristi četiri bojna kanala, od kojih je svaki dodijeljen specifičnom materijalu, poput trave, tla, stijene ili pijeska. Intenzitet svakog kanala određuje vidljivost tog materijala, omogućujući glatke prijelaze između površina tamo gdje se kanali preklapaju. Mnogi alati za razvoj automatiziraju ovaj proces primjenom materijala na temelju pravila terena, na primjer postavljanjem stijene na strme padine. Osim toga, sustavi mogu automatski dekorirati regije tematskim setovima biljaka i tekstura, stvarajući različite biome bez ručnog bojanja.Proceduralna generacija koristi matematički šum za stvaranje terena putem koda. Šum pruža glatke, nasumično izgledajuće vrijednosti koje se mogu interpretirati kao visine za generiranje brežuljaka. Slojevanje više razina šuma kombinira široke brežuljke s manjim bregovima za prirodniji izgled. Dodatni obrasci šuma mogu odrediti razinu vlage, utječući na raspored šuma, pustinja ili snijega. Ova metoda omogućuje generiranje beskonačnih svjetova, izračunavajući područja tek kako se igrač približava. Međutim, teren na temelju šuma ne posjeduje prostornu koherenciju između udaljenih područja, često zahtijevajući značajno podešavanje kako bi se izbjegle ponavljajuće šeme, što ga čini najprikladnijim kao polazišnom točkom za manje projekte ili game jamove.

Public
28 Oct, 2026

Mod Super Mario 64 za miješanu stvarnost na Pico: AI i pravi stereoskopski render

XR tehnolog i kreativni programer Lucas Martinic demonstrirao je mod za miješanu stvarnost za Super Mario 64 koji radi na Pico naočalima. Projekt pretvara klasičnu igru iz 1996. u lebdeći 3D prozor. Korisnici mogu fizički interagirati s igračkim svijetom, na primjer uzeti Marija iz Kraljevstva gljiva i postaviti ga na stvarni stol. Efekt se postiže pomoću koda napisanog uz pomoć AI i dekompilirane verzije originalne igre. To stvara besprijekoran most između digitalnog platformera i fizičkog prostora. Mod predstavlja važan korak u omogućavanju pristupa starijim 3D igrama putem moderne hardverske opreme za prostorno računalstvo, bez oslanjanja na tradicionalne, često nesavršene, tehnike portiranja.Foto: Lucas MartinicRazvoj je započeo s pozivanjem na Jonasin Jakobi implementaciju Super Mario 64 za Quest 3 iz 2023. godine, no Martinic je odlučio krenuti od nule koristeći decompiliranu verziju izvornog koda. Koristio je model Claude Opus 5.5 zajedno s PICO CLI, komandnim alatom koji povezuje AI asistente za pisanje koda s Pico alatima za prostorno računarstvo i razvoj XR. Ključna tehnička prednost je odsutnost stereoskopskih hakova, poput renderiranja naizmjeničnih slika ili ekstrapolacije dubinskog bufera, koji su česti u VR portovima, ali često daju suboptimalne vizualne rezultate. Umjesto toga, mod postiže pravi stereoskopski rendering i radi nativno na 90 fps. Iako nije najavljen točan datum izlaska, Martinic je napomenuo da će uskoro podijeliti dodatne detalje na svojoj web stranici i na GitHubu.

Public
28 Oct, 2026

Ograničenje memorije GPU po opterećenjima u Kubernetesu s CUDA 13.4 i planerom KAI

AI opterećenja često zahtijevaju samo dio GPU-a, ali dodjela cijelih uređaja dovodi do neiskorištenih kapaciteta i neučinkovite upotrebe infrastrukture. GPU-jevi NVIDIA podržavaju različite mehanizme dijeljenja, uključujući Multi-instance GPU (MIG) za hardversku izolaciju, time-slicing za sekvencijalno izvršavanje procesa i Multi-Process Service (MPS) za paralelno izvršavanje u odvojenim adresnim prostorima. Iako MPS omogućuje dijeljenje izračunskih resursa, ranije je nedostajala stroga granica memorije. CUDA 13.4 rješava taj nedostatak uvodeći novi režim time-sharing koji transparentno za aplikaciju nameće ograničenja memorije, čime se osigurava da svako opterećenje radi unutar definiranih ograničenja memorije bez potrebe za izmjenama koda.Slika 1. Time-slicing dijeli vrijeme GPU-a. SM-sharing dijeli njegove streaming multiprocessore (sm)Implementacija ovih mogućnosti u Kubernetes klasteru zahtijeva koordinaciju na razini čvorova, nezavisnu od planera. Operator gpu-fractioning s otvorenim izvorom, smješten u organizaciji KAI Scheduler na GitHubu, radi uz NVIDIA GPU Operator kako bi obradio tu konfiguraciju. Obavlja tri ključne funkcije: čitanje anotacija podova radi određivanja zahtjeva za memorijom i izračunima, konfiguriranje dodijeljenih GPU-ova za nametanje tih ograničenja i upravljanje prijelazom između različitih režima dijeljenja. Ovaj operator osigurava da hardver poštuje logičke granice definirane planerom klastera, povezujući visokorazinske odluke o planiranju s niskorazinskim izvršavanjem na GPU-ovima.Tijek rada počinje s time što razvijatelji specificiraju zahtjeve za resursima i režime putem anotacija YAML podova. Planer zatim odabire odgovarajuće GPU-ove, bilježi alokaciju memorije i režim dijeljenja izračuna u anotacijama podova po kontejneru i dodjeljuje opterećenje. Operator gpu-fractioning čita te anotacije i konfigurira GPU-ove sukladno tome. Bilo koji planer Kubernetesa sposoban zapisivati te anotacije može nametnute udjele GPU-ova, pod uvjetom da poštuje dva pravila: odabir GPU-ova s dovoljno slobodne memorije i izbjegavanje miješanja režima izračuna na jednom uređaju. KAI Scheduler prvi je integrirao tu značajku, uvodeći režim dijeljenja GPU-a nazvan NvFractions počevši od verzije v0.18.0.Režim NvFractions u planeru KAI omogućuje administratorima definiranje frakcijskih opterećenja pomoću četiri ključne anotacije koje obrađuju zahtjeve za memorijom, ograničenja rasta, režime dijeljenja izračuna i broj uređaja. Zahtjevi za memorijom mogu se specificirati kao apsolutne veličine koristeći standardne jedinice Kubernetesa ili kao udjeli GPU-a koristeći anotaciju gpu-fraction. Nova mogućnost omogućuje opterećenjima da deklariraju zajamčeni minimalni zahtjev i maksimalno ograničenje za skok, što je opcionalno i zadano je na vrijednost zahtjeva ako se izostavi. Ograničenja udjela moraju biti veća od gpu-fraction i manja od 1. Dijeljenje izračuna sada je eksplicitno i postavlja se po kontejneru, omogućujući izbor između sm-sharinga i time-slicinga.Podijeljeni GPU radi u samo jednom režimu izračuna odjednom, pa planer KAI sprječava smještaj opterećenja s različitim režimima na isti GPU, iako jedan čvor može hostirati oba režima na različitim uređajima. Za postavke s više GPU-ova, anotacija gpu-fraction-num-devices specificira na koliko uređaja se opterećenje proteže, pri čemu se zahtjev za memorijom primjenjuje na svaki uređaj pojedinačno. Na primjer, zahtjev od 40Gi s četiri uređaja alokira 40Gi na svakom GPU-u. Ova postavka idealna je za servere za inferenciju kojima je potrebna zajamčena memorija po GPU-u i mogućnost skoka kada su susjedi neaktivni, koristeći sm-sharing za pouzdana opterećenja koja se paralelno izvršavaju u jednoj domeni grešaka.S druge strane, time-slicing je prikladan za razvoj ili batch poslove, poput notebookova i malih sesija fine-tuninga, gdje je izolacija poželjna. U ovom režimu, svaki workload dobiva vlastitu error domain, što znači da kvar jednog posla ne utječe na druge. Workload može zatražiti polovicu dva GPU-a s ograničenjem rasta do 80% kada je memorija dostupna. Pokretanje nvidia-smi unutar kontejnera prikazat će frakcijski udio memorije za svaki dodijeljeni GPU. Oba alata, KAI Scheduler i gpu-fractioning operator, dostupna su na GitHubu u organizaciji KAI Scheduler, uz detaljne vodiče za instalaciju i konfiguraciju za sve mehanizme dijeljenja.

Public
27 Oct, 2026

Izdan je Material Maker 1.8 s novim čvorovima Trimsheet i Auto Export

Rod Zilla objavio je verziju 1.8 alata Material Maker, otvorenog softvera na temelju čvorova za proceduralno izradu materijala i 3D bojanje tekstura. Alat je izgrađen na temelju Godot pokretača i služi kao besplatna alternativa industrijskim standardima poput Substance 3D Designer. Ažuriranje je usmjereno na povećanje učinkovitosti rada igračkih umjetnika: dodani su specijalizirani čvorovi koji pojednostavljuju izradu i izvoz teksturnih asseta izravno u igračke pokretače.Glavna novost u ovom izdanju je čvor Trimsheet. Omogućuje generiranje trim-listova namijenjenih isključivo igrama. Ova funkcija zadovoljava čestu potrebu u igračkim pipelineovima, gdje se ponavljajuće teksture pakiraju u jedinstvene mape radi učinkovitog renderiranja. Uz to, dodan je čvor Auto Export koji automatski ponovno izvozi teksturne mape svaki put kada se ažurira grafo čvorova. Takva automatizacija uklanja ručni korak pokretanja izvoza nakon svake promjene, što značajno ubrzava iterativni proces dizajna za razvojnike koji rade s kompleksnim proceduralnim postavkama.Dodatna poboljšanja uključuju čvor Crop (odrezivanje) i čvor Gaussian Blur (Gaussovo zamućenje) visoke kvalitete, čime se proširuje biblioteka alata za manipulaciju teksturama. Sučelje je također usavršeno: pretraga sada radi ne samo na vrhovnim čvorovima, već i unutar podčvorova, što olakšava navigaciju kroz složene grafove. Nova tema sučelja s opcijom prilagođene osnovne boje omogućuje dodatnu personalizaciju za umjetnike. Softver i dalje podržava izvoz PBR tekstura s predlošcima za Unity, Unreal Engine i Godot, osiguravajući besprijekornu integraciju u glavne okruženja za razvoj igara.Material Maker 1.8 dostupan je za preuzimanje na Windows, Linux i macOS. Izvorni kod nalazi se na GitHubu pod MIT licencom, što jamči potpunu transparentnost i omogućuje doprinose zajednice. Kompilirane binarne datoteke mogu se besplatno preuzeti s itch.io stranice razvojnog tima. Daljnji razvoj možete podržati putem Patreon ili kupnjom softvera na Steamu. Alat ostaje snažno rješenje za umjetnike koji traže sposobno i besplatno rješenje za proceduralnu generaciju tekstura i 3D bojanje bez ograničenja vlasničkih licenci.

Public
26 Oct, 2026

GHARP omogućuje animaciju 3D glava u stvarnom vremenu na mobilnim uređajima

Istraživači Applea predstavili su GHARP, novi metod za animaciju 3D ljudskih glava u stvarnom vremenu na temelju nekoliko ulaznih slika i signala upravljanja mimikom. Ključna inovacija leži u razdvajanju procesa u dvije faze: offline fazu obnavljanja identiteta koja izgrađuje detaljan prikaz geometrije i izgleda subjekta, te fazu animacije u stvarnom vremenu koja predviđa rezidualne vrijednosti ovisne o mimici. Ovo razdvajanje omogućuje da faza obnavljanja bude izračunski zahtjevna, dok faza animacije koristi lagani neuronski mrežu optimiziranu za mobilne uređaje. To stvara povoljan omjer između vizualne vjernoće, kvalitete i performansi u stvarnom vremenu.Faza animacije radi u semantički strukturiranom latentnom prostoru izvedenom iz prethodno treniranog modela rekonstrukcije. Ovaj pristup osigurava da promjene mimike ostaju prostorno ograničene, čineći predviđanje rezidualnih vrijednosti iznimno učinkovitim. Prior rekonstrukcije pruža dosljedan prostorni raspored, što olakšava spajanje više ulaznih pogleda u kompaktnu kanonsku Gaussovu reprezentaciju fiksne veličine. Iskoristivši ovaj strukturirani prostor, sustav može obrađivati složene pokrete lica bez potrebe za teškim izračunskim resursima tijekom faze renderiranja, čime održava visoku frekvenciju sličica potrebnu za interaktivne aplikacije.Značajan izazov metoda avatarima vođenim izrazima lica leži u tome što kodovi izraza obično opisuju samo lice, a zanemaruju položaj tijela i odjeće. To propuštanje ostavlja te regije nedovoljno definirane, što dovodi do loše postavljenog problema u kojem mreža za animaciju može pribjeći prosječnom prikazu sukobljenih izgleda tijela, što uzrokuje vizualno zamućenje i vremensko treperenje. Kako bi se to riješilo, GHARP uključuje mrežu za poravnanje tijela koja uči poravnavati tijelo osobe na ciljanom snimku s ulaznim referentnim snimcima. Ovo poravnanje uklanja dvosmislenost iz signala za učenje, osiguravajući da elementi koji nisu dio lica ostaju stabilni i dosljedni tijekom animacije.Metoda postiže vrhunsku kvalitetu na benchmarku Ava-256, istovremeno značajno poboljšavajući učinkovitost. Na GPU-ju A100, GHARP radi do 13 puta brže od usporedivih metoda, koristeći 8 puta manje Gaussovih čestica. Ovo smanjenje računalnog opterećenja i povećanje brzine čine tehnologiju izvedivom za aplikacije u stvarnom vremenu na potrošačkoj opremi. Kombinacija visokokvalitetne rekonstrukcije i učinkovite obrade u stvarnom vremenu pozicionira GHARP kao praktično rješenje za developere koji žele integrirati realistične animacije glave u mobilne i XR platforme bez kompromisa u performansama.

Public
26 Oct, 2026

Adobe Substance 3D Painter 12.2: nove funkcije Cage Painting i Polygon Fill

Adobe je objavila Substance 3D Painter 12.2, najnoviju verziju profesionalnog softvera za izradu 3D tekstura, namijenjenog igrama, animaciji, motion grafici i VFX. Ažuriranje je usmjereno na poboljšanje procesa pečenja tekstura (baking) putem novog radnog procesa s četkicom, posebno razvijenog za rješavanje problema s kavezom (cage). Glavni cilj je pojednostaviti rad umjetnika s visokopoligonalnim assetima koji izlaze iz granica automatski generiranog kaveza. Nova metoda korekcije je intuitivnija i preciznija u usporedbi s prethodnim postavkama globalnih parametara.Ključna novost u ovoj verziji je radni proces cage painting, koji omogućuje izravno crtanje po meshu za prilagodbu kaveza. Umjesto da se oslanjaju isključivo na promjenu globalnog pomaka udaljenosti, umjetnici sada mogu koristiti alate Paint, Eraser i Polygon Fill za lokalnu modifikaciju geometrije kaveza. To znatno pojednostavljuje ispravljanje specifičnih područja gdje dijelovi visokopoligonalnog modela izlaze izvan kaveza tijekom pečenja. Vrijedi napomenuti da je to već drugo veliko poboljšanje radnog procesa koje je Adobe predstavila ove godine, nakon verzije 12.1, koja je umjetnicima omogućila crtanje za upravljanje smjerom normala i ispravljanje artefakata u pečene mapama.Značajna ažuriranja primijenjena su i na alat Polygon Fill, koji sada nudi dva nova načina odabira za petlje poligona. Način "Polygon loop fill" omogućuje korisnicima da popune kompletnu petlju kvadova jednim klikom, dok način "Partial polygon loop fill" omogućuje povlačenje pravokutnog dijela kvadova na površini mreže. Osim toga, alat sada podržava sve načine miješanja dostupne u sloju slojeva, pružajući veću fleksibilnost pri primjeni tekstura. Sučelje je preuređeno kako bi se poboljšala učinkovitost radnog procesa, pri čemu je ključna promjena ta da se nevidljivi poligoni po zadanoj postavci odbacuju. Ovo sprječava slučajno popunjavanje stražnje strane mreže, smanjujući uobičajene greške tijekom faze teksturiranja.Dodatna poboljšanja radnog procesa uključuju značajku koja ističe odgovarajuću geometriju u 3D prikazu kada se pokazivač nalazi nad stavkom u popisu Texture Set, što olakšava navigaciju i odabir. Prikaz u stvarnom vremenu sada podržava prozirnost neovisnu o redoslijedu iscrtavanja, što učinkovito sprječava artefakte treperenja koji se često javljaju tamo gdje se prozirne ili poluprozirne površine preklapaju. Substance 3D Painter 12.2 dostupan je za Windows 11, RHEL 8.6/9.2+, Ubuntu 22.04+ Linux i macOS 15.0+. Trajne licence dostupne su putem Steam za 199,99 USD. Softver je također dostupan putem pretplata Adobe Creative Cloud, pri čemu plan Substance 3D Texturing košta 24,99 USD mjesečno ili 249,99 USD godišnje, a Substance 3D Collection 59,99 USD mjesečno ili 599,99 USD godišnje.

Public
26 Oct, 2026

Platforma NVIDIA Minerva AIOps povezuje telemetriju AI fabrika radi maksimizacije učinkovitosti GPU

AI fabrike predstavljaju neke od najkompleksnijih operativnih okruženja ikada izgrađenih, gdje stotine tisuća GPU, mreže NVIDIA Spectrum-X Ethernet, mreže NVLink za skaliranje i distribuirani planeri rade u neprekidnom sinkronom režimu. U sinkronom distribuiranom treniranju, cijeli zadatak napreduje u ritmu najsporijeg ranga, što znači da jedan degradirani GPU, sučelje ili put prekidača može uzrokovati gubitak korisnog vremena na mnogim zdravim resursima. Kvarovi koji smanjuju prinos često su suptilni, kao što su GPU koji radi malo toplije od susjeda, NVMe uređaj koji gubi performanse pod stalnim opterećenjem ili prekidač koji generira oluje okvira pauze. Ovi signali rijetko pojedinačno prelaze statičke pragove, ali zajedno stvaraju zaostatke, produžavaju vrijeme koraka i odgađaju kontrolne točke, što dovodi do značajnih produkcijskih gubitaka.Slika 1. Platforma promatranja NVIDIA Minerva AIOpsDijagnostika je dodatno komplicirana jer su dokazi raspršeni po različitim timovima: operateri mreže vide brojače sučelja, operateri izračunavanja vide zdravlje čvorova, a ML timovi vide promjene u vremenu koraka. Ova fragmentacija pretvara triage u lanac pretraga na nadzornim pločama i prijenosa zadataka između timova, što može pretvoriti lokaliziranu kvar u dane izgubljenog produkcijskog vremena. NVIDIA Minerva rješava te praznine prikupljanjem telemetrije kroz cijeli stek i mapiranjem infrastrukture na aktivne poslove u dinamičnom grafu znanja. Primjenjuje namjenski razvijano strojno učenje za korelaciju ovisnih simptoma u incidente visoke vjernosti. Asistent pokretan AI agentom i MCP poslužitelj povezan s vanjskim agentskim alatima pružaju konverzacijom vođen put kroz ove žive dokaze, s glavnim ciljem očuvanja učinkovitih GPU sati i osiguranja glatkog tijeka obuke modela.Slika 2. Graf topologije NVIDIA MinervaPraćenje na temelju pravila loše se nosi s "sivim kvarovima", kada komponente ostaju dostupne, ali pokazuju probleme samo pod opterećenjem ili u usporedbi s susjedima. Apsolutni pragovi često propuštaju te promjene, dok agresivni pragovi stvaraju šum tijekom uobičajenih promjena opterećenja. Ljestvica pojačava taj problem, jer jedan fizički kvar može izazvati pogreške sučelja, indikatore gužve i promjene iskorištenosti GPU-a, koji se na različitim nadzornim pločama pojavljuju kao nesvežani događaji. Minerva prima metrike, dnevnik i topologiju s GPU-ova, Spectrum-X i NVLink prekidača, SuperNIC-ova, DPU-ova, pohrane, NCCL-a i planera. Automatsko otkrivanje opskrbljuje odnosima koje sirova telemetrija nema, stvarajući graf znanja koji mapira elemente infrastrukture, planera i radnih opterećenja. Ovaj graf dinamički se ažurira kako se poslovi pokreću, zaustavljaju ili kako se čvorovi zamjenjuju, podržavajući navigaciju od pregleda cijele tvornice do pojedinog sučelja.Slika 3. Proaktivno održavanje SuperNIC-aGraf topologije transformira put istraživanja, omogućujući operatorima da prate anomalije od sučelja do njegovog čvora, puta u mreži i trenutnog smještaja posla. S druge strane, ML inženjeri mogu pratiti ID posla kroz dokaze na GPU-u, hostu, NIC-u i prekidaču. Minerva obrađuje milijarde točaka podataka metrika i dnevnika na sat, koristeći nadzirane i nenadzirane modele. Nadzirano otkrivanje identificira poznate kritične obrasce grešaka i povezuje ih s uputama za otklanjanje, dok nenadzirani modeli uče normalne obrasce za hardverske ili logičke komponente i uspoređuju ih s relevantnim susjedima. Usporedba s susjedima ključna je jer mjerenje može izgledati prihvatljivo u izolaciji, ali anomalno u kontekstu, na primjer temperatura GPU-a unutar specifikacije, ali znatno viša od susjednih GPU-ova pod istim opterećenjem. Multivarijatni modeli kombiniraju temperaturu, snagu, sate i iskorištenost kako bi otkrili degradaciju prije potpunog kvara.Dnevnici dobivaju sličan tretman: otkrivanje anomalija na temelju NLP-a ističe prethodno neviđene obrasce, a nadzirano usklađivanje identificira poznate kritične greške. Otkrivanja se mogu proslijediti u radne tokove planera kako bi se pogođeni čvorovi ispraznili prije nego što na njih stignu novi poslovi ili u sigurnim intervalima kontrolnih točaka. Korelacija s obzirom na topologiju povezuje otkrivanje s radnjama operatora, koristeći graf znanja za određivanje koji događaji dijele put ovisnosti. Sporedni simptomi grupiraju se u jedan incident, umjesto da se natječu za pažnju, spajajući suvišne događaje i povezane serije metrika u jedan signal s priloženom pogođenom topologijom i radnim opterećenjima. NVIDIA testovi pokazuju značajno smanjenje broja obaviještenih događaja i zapisa za podržane scenarije, omogućujući operatorima da započnu s mnogo manjim prostorom pretrage za analizu uzroka.NVIDIA Minerva uključuje nativnog AI agenta po imenu Sherlock, temeljenog na uživoj telemetriji i grafu znanja, koji omogućuje operatorima da upitaju sustav za analizu uzroka na prirodnom jeziku. Sherlock može prikazati potporna dokazna sredstva i preporučiti mjere za otklanjanje bez zahtijevanja od operatora znanja specifičnih metrika ili jezika upita, pružajući put do stručnog znanja koje je tradicionalno zahtijevalo eskalaciju specijalistima. Osim toga, MCP poslužitelj Minerve omogućuje vanjskim agenticima alatima da upitaju isti operativni kontekst, omogućujući timovima da u svoje radne tokove ugrade dokaze iz AI fabrike uživo. Mjere ublažavanja mogu ostati odobrene od strane ljudi ili se automatizirati u skladu s lokalnom politikom i procjenom rizika. U velikom AI podaci centru, Minerva je identificirala jedno NVLink spajanje od 400.000 sučelja koje gubi propusnost, omogućujući SRE-u da isprazni pogođene čvorove i obnovi punu brzinu u minutama, a ne satima.

Public
26 Oct, 2026

Meta potvrdila pad prodaje Questa i pomakla fokus VR strategije na revolucionarne izdaje

Najnoviji kvartalni izvještaj Meta pokazuje značajan pad prodaje Quest uređaja, što je dovelo do pada prihoda odjela Reality Labs za 6% u trećem tromjesečju 2026. godine. Ukupni prihodi segmenta iznosili su 443 milijuna dolara. Ovaj pad je djelomično ublažen stalnim rastom prihoda od AI naočala, što ukazuje na jasnu promjenu potrošačkog potražnje i korporativnih prioriteta. Financijski podaci naglašavaju: iako prodaja VR hardvera usporava, novi nosivi uređaji s naglaskom na AI dobivaju na značaju, mijenjajući strukturu prihoda Reality Labsa.Prema materijalima MetaU odgovoru na ove trendove, Meta je službeno promijenila svoj pristup razvoju hardvera za virtualnu stvarnost. Glavni izvršni direktor Mark Zuckerberg izjavio je da će kompanija od sada isporučivati nove VR uređaje samo kada postignu "velike proboje", slične napretku viđenom kod Meta VR Glassesa, izdanih ove godine. Ova strategija predstavlja odstupanje od prethodnog modela redovitih generacijskih nadogradnji za potrošačke VR naočale. Povezujući izlazak hardvera s značajnim tehnološkim skokovima, a ne s godišnjim ciklusima, Meta se de facto povlači s iterativnih poboljšanja u korist utjecajnijih, iako rjeđih, lansiranja proizvoda.Meta VR naočale | Prema materijalima MetaTrenutno kompanija daje prioritet putu prema osobnoj superinteligenciji i napretku u umjetnoj inteligenciji, koji su preuzeli primat nad neposrednom ekspanzijom VR hardvera. Zuckerberg je naglasio da, iako smatra da je VR nužan prethodnik budućeg holografskog iskustva koje spaja fizički i digitalni svijet, tempo ulaganja u ovo područje bit će prilagođen. Fokus je sada na isporuci mogućnosti umjetne inteligencije, dok VR služi kao temeljni korak, a ne kao glavni neposredni cilj. Ovaj strateški skretanje sugerira da se resursi preusmjeravaju iz potrošačkog VR sadržaja i hardvera u razvoj naprednih sustava umjetne inteligencije i nosivih uređaja.Pogledajući u budućnost, Meta VR Glasses, čije je lansiranje planirano za proljeće 2027. godine, pozicionirani su kao ključni proizvod namijenjen profesionalcima i entuzijastima, po cijeni od 1300 dolara. Ovaj uređaj se promatra manje kao tradicionalni VR headset, a više kao korak prema proširenoj stvarnosti. Istovremeno, budućnost platforme Quest, usmjerene na igre, ostaje neizvjesna, jer Meta odgađa iterativna VR izdanja. Iako bi moguće popuste na modele Quest 3 i 3S tijekom blagdanske sezone moglo privremeno potaknuti prodaju, kompanija je već povukla većinu sredstava namijenjenih razvoju VR sadržaja velikog obujma, čime potvrđuje dugoročnu predanost novom smjeru usmjerenom na umjetnu inteligenciju.

Public
26 Oct, 2026

Standard OpenXR Spatial Containers unificira volumski multitasking

Khronos je objavila nova proširenja OpenXR Spatial Container koja standardiziraju upravljanje sustavom prostorima za prikaz volumskog 3D sadržaja. Ovaj pristup odražava logiku tradicionalnih desktop operativnih sustava koji upravljaju 2D aplikacijama unutar prozora, ali primjenjuje taj koncept na imerzivna 3D okruženja. OpenXR ostaje vodeći otvoreni API za razvoj AR, VR i MR, kojim upravlja isti konzorcij iza OpenGL i Vulkan. Njegov glavni cilj je omogućiti razvojnicima izradu aplikacija koje besprijekorno rade na različitim hardverima naočala, bez oslanjanja na API-je specifične za proizvođače. Trenutno OpenXR podržavaju gotovo svi glavni proizvođači naočala, engineovi i runtime okruženja, s iznimkom Apple Vision Pro i PlayStation VR2 na platformi PS5.OpenXR prostorni spremnici, kako je prikazano na SIGGRAPH 2026.Nova proširenja omogućuju razvojnicima da kreiraju aplikacije koje prelaze između načina rada s više zadataka i potpuno uronjenih iskustava. Jedna aplikacija može sadržavati više Spatial Containera, a sustav kontrolira njihovo pozicioniranje. Razvojnik može specificirati preferiranu lokaciju za te kontejnere ili prepustiti sustavu da upravlja njihovim smještajem, na primjer tako da prate korisnika tijekom kretanja. Ova arhitektura konceptualno je slična modelu Shared Space na Apple Vision Pro, gdje se aplikacije s prozorima i volumetrijske aplikacije koegzistiraju u okruženju koje upravlja sustav prije prelaska u potpuru uronjenost. Također je u skladu s dizajnom Pico OS 6 za nadolazeći Pico Space Pro, koji koristi unificiranu arhitekturu renderiranja nazvanu Pico Spatial Engine za pokretanje 2D i 3D aplikacija jedna pored druge na virtualnim ili prozirnim pozadinama.Standardizacija rješava značajno ograničenje trenutnih tržišnih lidera, poput Android XR od Googlea i Horizon OS od Mete. Iako te platforme podržavaju multitaske 2D aplikacija, one trenutno ograničavaju korisnike na pokretanje samo jedne 3D aplikacije odjednom. Uvođenje Spatial Containera nudi put za uklanjanje tog ograničenja. Jared Finder, voditelj XR platforme i SDK-a u Googleu, potvrdio je u službenom najavi Khronosa da je kompanija uzbuđena što će donijeti podršku za Spatial Containere u Android XR. Za Metu, ta proširenja predstavljaju priliku da ožive koncept Augments, kategoriju 3D aplikacija koje upravlja sustav, izvorno najavljenu za Quest 3 u 2023. godini, ali kasnije de facto otkazanu.Meta je ranije najavila da se značajka Augments pregrađuje od nule nakon što je početni pristup smatran nedovoljnim. Nedavna ažuriranja Horizon OS i alata za razvoj fokusirana su na preoblikovanje upravljanja prostornim prozorima i poboljšanje prostornih aplikacija, što sugerira da kompanija možda iskoristi ova nova OpenXR proširenja kako bi ostvarila izvornu viziju Augments. Proširenja su izvorno trebala biti izgrađena koristeći Meta Spark Studio, sada ugašen alat za kreiranje AR iskustava, koji je podržavao uvoz 3D imovine i implementaciju napredne funkcionalnosti putem JavaScripta. Iako Meta nije eksplicitno obećala podršku za proširenja u svom službenom izjavi, tehnička usklađenost s njihovim trenutačnim razvojnim prioritetima čini to vjerojatnim budućim smjerom za njihovu ekosustav.Specifikacije i primjeri koda za OpenXR Spatial Containere sada su dostupni razvojnicima. Radna skupina OpenXR u Khronosu također aktivno radi na dodatnim proširenjima koja će omogućiti aplikacijama da iskoriste sustavni renderer optimiziran za specifičnu hardversku opremu, od visokoučinkovitih naočala do uređaja s niskom potrošnjom energije. Radna skupina očekuje da će implementacije tih proširenja početi se širiti kroz OpenXR ekosustav unutar tekuće godine. Ovaj razvoj označava značajan korak prema unificiranom standardu za volumetrijsko multitaske, potencijalno smanjujući fragmentaciju i omogućujući složenije, višestruke aplikacijske prostorne iskustve na raznolikim hardverskim platformama.

Public
25 Oct, 2026

Šesti Godot XR Community Game Jam završen: 28 radova pod temom "U driftnu"

Šesta sezona Godot XR Community Game Jama održana je od 21. rujna do 5. listopada 2026. Iako je broj sudionika smanjen s 98 na 85, broj predanih projekata porastao je s 22 na 28 igara. To ukazuje na veću koncentraciju dovršenih radova visoke kvalitete, a ne na veći broj nedovršenih pokušaja. Centralna tema ovog ciklusa bila je "U driftnu", koja je inspirirala raznolike kreativne interpretacije u predanim igrama.Pet najboljih radova pokazalo je raznolikost mehanika u XR prostoru. U jednoj igri igrači su morali fizički povlačiti ručice kako bi upravljali balonom, boreći se s vizualiziranim strujama zraka i pogađajući ciljeve iz ugrađenog topa. Druga igra nudila je upravljanje dronom na užetu koji je skupljao struju iz oluje za pogon plovila, stvarajući ravnotežu između prikupljanja energije i izbjegavanja. Igra na fizičkom principu slaganja kula smjestila je igrače na otok, gdje su ih izazivali da grade strukture od plutajućeg otpada s preciznom kontrolom ravnoteže.Naizgled jednostavan shooter zahtijevao je pucanje balona u strogim vremenskim okvirima, uz korištenje zaradljene valute za kupnju poboljšanja, poput dodatnog vremena ili kapaciteta oružja. Ova roguelike struktura dodala je stratešku dubinu zadovoljavajućem VR pucanju. Pobjednički rad bila je Wavemaker od Unit327, koja je omogućila igračima stvaranje valova u bazenu kako bi gurali čamce kroz razine. Igrači su mogli špljukati rukama, bacati plišane igračke ili upravljati brzim čamcem na daljinsko upravljanje, manipulirajući dinamikom vode na sve težim razinama.Natjecanje je bilo intenzivno, a Unit327 osvojila je pobjedu unatoč snažnoj konkurenciji. Organizatori su izrazili zahvalnost svim natjecateljima i glasačima za njihov doprinos događaju. Sljedeća izdanja Godot XR Community Game Jam trenutno je planirano za početak travnja 2027. Točan datum bit će objavljen bliže početku događaja, kako bi programeri mogli pripremiti svoje projekte za nadolazeći izazov.