Блог

Основи ігрового ландшафту: тайли, карти висот, воксели та процедурна генерація
  • PublicPublic
  • 28 Oct, 2026

Основи ігрового ландшафту: тайли, карти висот, воксели та процедурна генерація

Ландшафт у відеоіграх слугує базовою поверхнею для переміщення гравця та створення контексту оточення. Це не просто візуальний фон, а важливий інструмент дизайну. Він визначає маршрути, візуальні горизонти та загальну атмосферу ігрового світу. Хоча ландшафт часто імітує природні поверхні, такі як скеля, пісок та ґрунт, він може представляти й штучні об'єкти, наприклад, тріснуту бруківлю. Ефективний дизайн місцевості передбачає цілеспрямоване формування рельєфу для підтримки конкретних ігрових сценаріїв та динаміки руху. Тому ландшафт є невід'ємною частиною архітектури рівнів, а не статичним фоном.У розробці двовимірних ігор ландшафт зазвичай будується на основі тайлової системи. Цей підхід використовує невеликі регулярні зображення, розташовані в сітці, щоб скласти повну карту рівня. Окремі тайли, такі як трава, земля або вода, є багаторазовими ресурсами, які задають як зовнішній вигляд, так і функціональні властивості оточення, включаючи прохідність та межі колізій. Цей метод особливо ефективний для ігор із видом зверху та збоку, дозволяючи розробникам швидко створювати складні рівні з обмеженого набору компонентів. Структура сітки гарантує, що кожен тайл точно встановлюється на своє місце, забезпечуючи послідовну та зручну основу для проєктування рівнів та управління ресурсами.Три вимірний рельєф часто базується на картах висот, які є чорно-білими зображеннями, де яскравість пікселя відповідає висоті. У цій системі білі пікселі позначають високі точки, чорні - низини, а відтінки сірого - проміжні висоти. Ігровий рушій інтерпретує ці дані, щоб деформувати плоску сітку в пагорби та долини. Хоча карти висот є обчислювально ефективними та простими в редагуванні, вони мають суттєве структурне обмеження: кожна точка карти може зберігати лише одне значення висоти. Внаслідок цього карти висот не можуть відображати складну геометрію, таку як печери, тунелі або нависаючі скелі, де земля знаходиться над іншою землею. Це обмежує їх застосування відкритими, неперекриваючими рельєфами.Для середовищ, що вимагають печер, нависаючих конструкцій або руйнованого ґрунту, воксельні системи пропонують більш гнучке рішення. Воксели розглядають світ як тривимірну сітку крихітних комірок, кожна з яких позначена як тверда або порожня. Така структура дозволяє створювати парячі острови, підземні тунелі та рельєф, який можна копати або руйнувати. Історично воксельні системи уникали через їхню високу обчислювальну складність та витрати на продуктивність. Однак недавні досягнення в інструментах з штучним інтелектом починають робити ці підходи більш доступними, знижуючи технічний бар'єр для реалізації складного інтерактивного рельєфу в сучасних ігрових рушіях.Деталізація поверхні досягається за допомогою сплат-карт - прихованих текстур, які визначають розміщення та змішування матеріалів. Сплат-карта зазвичай використовує чотири кольорові канали, кожен з яких призначений для конкретного матеріалу, такого як трава, ґрунт, скеля або пісок. Інтенсивність кожного каналу визначає видимість цього матеріалу, дозволяючи плавні переходи між поверхнями там, де канали перекриваються. Багато інструментів розробки автоматизують цей процес, застосовуючи матеріали на основі правил рельєфу, наприклад, розміщуючи скелі на крутих схилах. Крім того, системи можуть автоматично оздоблювати регіони тематичними наборами рослин і текстур, створюючи різні біоми без ручного розфарбовування.Процедурна генерація використовує математичний шум для створення рельєфу через код. Шум надає плавні, схожі на випадкові значення, які можна інтерпретувати як висоти для генерації пагорбів. Накладання кількох масштабів шуму поєднує широкі пагорби з невеликими буграми для більш природного вигляду. Додаткові патерни шуму можуть визначати рівень вологості, впливаючи на розміщення лісів, пустель або снігу. Цей метод дозволяє генерувати нескінченні світи, обчислюючи області лише за міри наближення гравця. Однак рельєф на основі шуму не має просторової зв'язності між віддаленими областями, часто вимагаючи значного налаштування, щоб уникнути повторюваних патернів. Це робить його найкращим варіантом як точку відліку для невеликих проєктів або гейм-джемів.

Мод Super Mario 64 для змішаної реальності на Pico: ШІ та справжній стереоскопічний рендеринг
  • PublicPublic
  • 28 Oct, 2026

Мод Super Mario 64 для змішаної реальності на Pico: ШІ та справжній стереоскопічний рендеринг

XR-технолог та креативний розробник Лукас Мартініц продемонстрував мод для змішаної реальності Super Mario 64, що працює на гарнітурах Pico. Проєкт перетворює класичну гру 1996 року на паряче 3D-вікно. Користувачі можуть фізично взаємодіяти з ігровим світом: наприклад, взяти Маріо з Королівства Грибів і поставити його на реальний стіл. Ефект досягається завдяки коду, написаному за допомогою ШІ, та декомпільованій версії оригінальної гри. Це створює безшовний міст між цифровим платформером та фізичним простором. Мод робить важливий крок до того, щоб старі 3D-ігри стали доступними на сучасному обладнанні для просторових обчислень, без використання традиційних, часто неідеальних, методів портування.Фото: Lucas MartinicРозробка почалася зі звернення до реалізації Super Mario 64 для Quest 3, яку у 2023 році створив Йонас Якобі. Однак Мартініс вирішив почати з нуля, використовуючи декомпільований початковий код. Він застосував модель Claude Opus 5.5 разом із PICO CLI, командним інструментом, який з'єднує ШІ-асистентів для написання коду з інструментами для просторових обчислень та розробки XR від Pico. Ключова технічна перевага полягає в відсутності стереоскопічних костилів, таких як рендеринг через кадр або екстраполяція буфера глибини. Ці прийоми часто зустрічаються в VR-портах, але дають не найкращий візуальний результат. Натомість мод забезпечує справжній стереоскопічний рендеринг і працює нативно на 90 кадрах на секунду. Конкретна дата релізу не оголошена, але Мартініс повідомив, що незабаром поділиться подробицями на своєму сайті та в GitHub.

Обмеження пам'яті GPU за навантаженнями в Kubernetes за допомогою CUDA 13.4 та планувальника KAI
  • PublicPublic
  • 28 Oct, 2026

Обмеження пам'яті GPU за навантаженнями в Kubernetes за допомогою CUDA 13.4 та планувальника KAI

AI-навантаження часто потребують лише частини GPU, але виділення цілих пристроїв призводить до простою потужностей та неефективного використання інфраструктури. GPU NVIDIA підтримують різні механізми спільного використання: Multi-instance GPU (MIG) для апаратної ізоляції, time-slicing для послідовного виконання процесів та Multi-Process Service (MPS) для паралельного виконання в окремих просторах адресів. Хоча MPS дозволяє ділити обчислювальні ресурси, раніше в ньому відсутні були суворі межі пам'яті. CUDA 13.4 закриває цю прогалину, вводячи новий режим time-sharing, який прозоро для додатку обмежує пам'ять, гарантуючи, що кожне навантаження працює в заданих межах без зміни коду.Рисунок 1. Time-slicing ділить час GPU. SM-sharing ділить його потокові мультипроцесори (sm)Впровадження цих можливостей у кластер Kubernetes потребує координації на рівні вузлів, незалежної від планувальника. Оператор gpu-fractioning з відкритим вихідним кодом, розміщений в організації KAI Scheduler на GitHub, працює разом із NVIDIA GPU Operator для налаштування цих параметрів. Він виконує три ключові функції: читає аотації подів для визначення вимог до пам'яті та обчислень, налаштовує призначені GPU для примусового дотримання цих лімітів та керує переходом між різними режимами спільного використання. Цей оператор забезпечує дотримання апаратом логічних меж, заданих планувальником кластера, поєднуючи рішення про планування на високому рівні з виконанням на GPU на низькому рівні.Процес починається з того, що розробники вказують вимоги до ресурсів та режими через аотації YAML подів. Потім планувальник обирає відповідні GPU, записує виділення пам'яті та режим спільного використання обчислень в аотації подів для кожного контейнера та призначає навантаження. Оператор gpu-fractioning читає ці аотації та налаштовує GPU відповідно. Будь-який планувальник Kubernetes, здатний записувати ці аотації, може обмежувати частки GPU, за умови дотримання двох правил: обирати GPU з достатньою вільною пам'яттю та уникати змішування режимів обчислень на одному пристрої. Планувальник KAI першим інтегрував цю функцію, представивши режим спільного використання GPU під назвою NvFractions починаючи з версії v0.18.0.Режим NvFractions у планувальнику KAI дозволяє адміністраторам визначати дробові навантаження за допомогою чотирьох ключових аотацій, які регулюють запити пам'яті, ліміти зростання, режими спільного використання обчислень та кількість пристроїв. Запити пам'яті можна вказувати як абсолютні розміри, використовуючи стандартні одиниці Kubernetes, або як частки GPU за допомогою аотації gpu-fraction. Нова можливість дозволяє навантаженням оголошувати гарантований мінімальний запит та максимальний ліміт піку, який є необов'язковим і за замовчуванням дорівнює значенню запиту, якщо не вказаний. Ліміти часток повинні перевищувати gpu-fraction і залишатися нижче 1. Спільне використання обчислень тепер встановлюється явно для кожного контейнера, що дозволяє обирати між sm-sharing та time-slicing.Спільний GPU працює лише в одному режимі обчислень за раз, тому планувальник KAI запобігає розміщенню навантажень з різними режимами на одному GPU, хоча один вузол може містити обидва режими на різних пристроях. Для конфігурацій з кількома GPU аотація gpu-fraction-num-devices вказує, на скільки пристроїв поширюється навантаження, при цьому запит пам'яті застосовується до кожного пристрою індивідуально. Наприклад, запит 40Gi з чотирма пристроями виділяє 40Gi на кожному GPU. Така конфігурація ідеальна для серверів інференсу, яким потрібна гарантована пам'ять на кожен GPU та можливість піку, коли сусіди простоюють, використовуючи sm-sharing для довірених навантажень, що виконуються паралельно в одній області помилок.Натомість time-slicing підходить для розробки або пакетних завдань, таких як ноутбуки та невеликі сеанси донавчання, де бажана ізоляція. У цьому режимі кожна робоче навантаження отримує власну область помилок, що означає, що збій в одному завданні не впливає на інші. Навантаження може запросити половину двох GPU з лімітом зростання до 80%, коли пам'ять доступна. Запуск nvidia-smi всередині контейнера відобразить дробову частку пам'яті для кожного призначеного GPU. Обидва інструменти, KAI Scheduler та оператор gpu-fractioning, доступні на GitHub в організації KAI Scheduler, з детальними посібниками з встановлення та налаштування для всіх механізмів спільного використання.

Вийшла версія 1.8 Material Maker із новими вузлами Trimsheet та Auto Export
  • PublicPublic
  • 27 Oct, 2026

Вийшла версія 1.8 Material Maker із новими вузлами Trimsheet та Auto Export

Rod Zilla випустив версію 1.8 Material Maker, відкритого програмного забезпечення на основі вузлів для процедурного створення матеріалів та 3D-розфарбування текстур. Інструмент побудований на рушії Godot і слугує безкоштовною альтернативою галузевим стандартам, таким як Substance 3D Designer. Оновлення спрямоване на підвищення ефективності роботи ігрових художників: додано спеціалізовані вузли, які спрощують створення та експорт текстурних активів безпосередньо в ігрові рушії.Головна новація в цьому релізі - вузол Trimsheet. Він дозволяє генерувати трим-листи, призначені спеціально для ігор. Ця функція закриває поширену потребу в конвеєрах ігрової графіки, де повторювані текстури упаковують в єдині карти для ефективного рендерингу. Паралельно додано вузол Auto Export, який автоматично повторно експортує текстурні карти при кожному оновленні графа вузлів. Така автоматизація прибирає ручний крок запуску експорту після кожної зміни, що значно прискорює ітеративний процес дизайну для розробників, які працюють зі складними процедурними налаштуваннями.Серед інших покращень - вузол Crop (обрізка) та вузол Gaussian Blur (гаусівське розмиття) високої якості, які розширюють бібліотеку інструментів для роботи з текстурами. Користувацький інтерфейс також доопрацьовано: тепер пошук працює не лише за вузлами верхнього рівня, а й всередині підвузлів, що спрощує навігацію по складних графах. Додано нову тему інтерфейсу з можливістю вибору базового кольору для додаткової кастомізації. Програма по-перше підтримує експорт PBR-текстур із готовими шаблонами для Unity, Unreal Engine та Godot, забезпечуючи безшовну інтеграцію в основні середовища розробки ігор.Material Maker 1.8 доступний для завантаження на Windows, Linux та macOS. Початковий код розміщено на GitHub під ліцензією MIT, що гарантує повну прозорість і дозволяє спільноті вносити внесок у розвиток проєкту. Зкомпільовані бінарні файли можна безкоштовно завантажити зі сторінки розробника на itch.io. Підтримати подальший розвиток можна через Patreon або купивши програму в Steam. Інструмент залишається потужним рішенням для художників, які шукають здатне та безкоштовне рішення для процедурної генерації текстур і 3D-розфарбування без обмежень пропрієтарних ліцензій.

GHARP забезпечує анімацію 3D-голов у реальному часі на мобільних пристроях
  • PublicPublic
  • 26 Oct, 2026

GHARP забезпечує анімацію 3D-голов у реальному часі на мобільних пристроях

Дослідники Apple представили GHARP - новий метод анімації 3D-голов людини у реальному часі на основі кількох вхідних зображень та сигналу керуючої міміки. Ключова інновація полягає в розділенні процесу на два етапи: офлайн-етап відновлення ідентичності, що створює детальне представлення геометрії та зовнішнього вигляду об'єкта, і етап анімації у реальному часі, що передбачає залишкові значення, залежні від міміки. Таке розділення дозволяє робити етап відновлення обчислювально затратним, тоді як етап анімації використовує легку нейронну мережу, оптимізовану для мобільних пристроїв. Це створює сприятливий баланс між візуальною точністю, якістю та продуктивністю.Етап анімації працює в семантично структурованому латентному просторі, отриманому з попередньо навченої моделі відновлення. Цей підхід гарантує, що зміни міміки залишаються просторово ізольованими, що робить передбачення залишкових значень високоефективним. Апріорні дані відновлення забезпечують узгоджену просторову структуру, що полегшує об'єднання кількох вхідних видів у компактне канонічне гауссове представлення фіксованого розміру. Завдяки використанню цього структурованого простору система може обробляти складні рухи обличчя без потреби в потужних обчислювальних ресурсах на етапі рендерингу, підтримуючи високу частоту кадрів, необхідну для інтерактивних застосунків.Значна проблема методів аватарів, що керуються мімікою, полягає в тому, що коди міміки зазвичай описують лише обличчя, ігноруючи позу тіла та положення одягу. Це упущення залишає ці області недостатньо визначеними, що призводить до некоректно поставленої задачі, де мережа анімації може вдаватися до усереднення суперечливих зображень тіла, що спричиняє візуальне розмиття та тимчасове мерехтіння. Щоб вирішити цю проблему, GHARP включає мережу вирівнювання тіла, яка вчиться узгоджувати положення тіла людини на цільовому зображенні з вхідними референтними зображеннями. Таке вирівнювання усуває неоднозначність із сигналу навчання, забезпечуючи стабільність та узгодженість не обличних елементів під час анімації.Метод досягає найкращої якості на бенчмарку Ava-256, значно підвищуючи ефективність. На GPU A100 GHARP працює до 13 разів швидше за порівнювані методи, використовуючи в 8 разів менше гаусів. Це зниження обчислювального навантаження та збільшення швидкості роблять технологію придатною для застосувань у реальному часі на споживчому обладнанні. Поєднання високоякісного відновлення та ефективної обробки в реальному часі позиціонує GHARP як практичне рішення для розробників, які хочуть інтегрувати реалістичну анімацію голови в мобільні та XR-платформи без шкоди для продуктивності.

Adobe Substance 3D Painter 12.2: нові функції Cage Painting і Polygon Fill
  • PublicPublic
  • 26 Oct, 2026

Adobe Substance 3D Painter 12.2: нові функції Cage Painting і Polygon Fill

Adobe випустила Substance 3D Painter 12.2 - найновішу версію професійного ПЗ для створення 3D-текстур, призначеного для ігор, анімації, моушн-графіки та VFX. Оновлення спрямоване на покращення процесу запікання текстур (baking) завдяки новому кистевому робочому процесу, спеціально розробленому для вирішення проблем з обв'язкою (cage). Головна мета - спростити роботу художників з високополігональними асетами, що виходять за межі автоматично згенерованої обв'язки. Новий метод корекції є більш інтуїтивним і точним порівняно з попередніми налаштуваннями глобальних параметрів.Ключовим нововведенням у цій версії став робочий процес cage painting, який дозволяє безпосередньо малювати по мешу для підгонки обв'язки. Замість того, щоб покладатися лише на зміну глобального зміщення відстані, художники тепер можуть використовувати інструменти Paint, Eraser та Polygon Fill для локальної модифікації геометрії обв'язки. Це значно спрощує виправлення конкретних ділянок, де частини високополігональної моделі виходять за межі обв'язки під час запікання. Варто зазначити, що це вже друге велике покращення робочого процесу, представлене Adobe цього року після версії 12.1, яка дозволила художникам малювати для керування напрямком нормалей та виправляти артефакти в запечених картах.Значні оновлення також торкнулися інструмента Polygon Fill, який тепер підтримує два нові режими виділення для циклів полігонів. Режим «Polygon loop fill» дозволяє заповнити повний цикл квадів одним кліком, а режим «Partial polygon loop fill» дає можливість виділити прямокутну ділянку квадів на поверхні меша. Крім того, інструмент тепер підтримує всі режими накладання, доступні в стеку шарів, що забезпечує більшу гнучкість при нанесенні текстур. Інтерфейс перероблено для підвищення ефективності робочого процесу; ключова зміна полягає в тому, що невидимі полігони за замовчуванням відкидаються. Це запобігає випадковому заповненню задньої сторони меша, зменшуючи кількість типових помилок на етапі текстурування.Серед додаткових покращень робочого процесу - функція підсвічування відповідної геометрії в 3D-вьюпорті при наведенні курсора на елемент у списку Texture Set, що спрощує навігацію та вибір. Вьюпорт у реальному часі тепер підтримує прозорість, незалежну від порядку відображення (order-independent transparency), що ефективно усуває мерехтіння, яке часто виникає при накладанні прозорих або напівпрозорих поверхонь. Substance 3D Painter 12.2 доступна для Windows 11, RHEL 8.6/9.2+, Ubuntu 22.04+ Linux та macOS 15.0+. Постійні ліцензії можна придбати через Steam за $199.99. Програмне забезпечення також доступне за підписками Adobe Creative Cloud: план Substance 3D Texturing коштує $24.99 на місяць або $249.99 на рік, а Substance 3D Collection - $59.99 на місяць або $599.99 на рік.

Платформа NVIDIA Minerva AIOps поєднує телеметрію ШІ-фабрик для максимізації ефективності GPU
  • PublicPublic
  • 26 Oct, 2026

Платформа NVIDIA Minerva AIOps поєднує телеметрію ШІ-фабрик для максимізації ефективності GPU

ШІ-фабрики є одними з найскладніших операційних середовищ, коли-небудь створених, де сотні тисяч GPU, мережі NVIDIA Spectrum-X Ethernet, масштабовані мережі NVLink і розподілені планировщики працюють у безперервному синхронному режимі. Під час синхронного розподіленого навчання вся задача просувається з темпом найповільнішого рангу, що означає: один деградований GPU, інтерфейс або шлях комутатора можуть призвести до втрати корисного часу на багатьох здорових ресурсах. Збої, що знижують ефективність, часто бувають незначними: наприклад, GPU працює трохи гарячіше за сусідів, пристрій NVMe втрачає продуктивність під постійним навантаженням або комутатор генерує потоки кадрів паузи. Поокремо ці сигнали рідко перевищують статичні пороги, але в сукупності створюють відставання, збільшують час кроків і затримують контрольні точки, що призводить до значних виробничих втрат.Рисунок 1. Платформа спостережності NVIDIA Minerva AIOpsДіагностика ускладнюється тим, що докази розкидані по різних командах: оператори мережі бачать лічильники інтерфейсів, оператори обчислень - стан вузлів, а команди ML - зміну часу кроків. Ця фрагментація перетворює первинну діагностику на ланцюжок пошуку по дашбордах та передачі завдань між командами, потенційно перетворюючи локалізований збій на дні втраченого виробничого часу. NVIDIA Minerva закриває ці прогалини, збираючи телеметрію по всьому стеку та відображаючи інфраструктуру в активних завданнях у динамічному графі знань. Вона застосовує спеціально розроблене машинне навчання для кореляції залежних симптомів у інциденти високої точності. Асистент на базі ШІ-агента та MCP-сервер, підключений до зовнішніх агентних інструментів, забезпечують діалоговий шлях крізь ці живі дані, з основною метою збереження ефективних годин роботи GPU та забезпечення плавного ходу навчання моделей.Рис. 2. Граф топології NVIDIA MinervaМоніторинг на основі правил погано справляється з «сірими збоями», коли компоненти залишаються доступними, але проявляють проблеми лише під навантаженням або в порівнянні з сусідами. Абсолютні пороги часто пропускають ці зміни, а агресивні пороги створюють шум при звичайних змінах навантаження. Масштаб посилює цю проблему, оскільки одна фізична несправність може породжувати помилки інтерфейсів, індикатори перевантаження та зміни використання GPU, які виглядають як незалежні події на різних дашбордах. Minerva приймає метрики, журнали та топологію з GPU, комутаторів Spectrum-X та NVLink, SuperNIC, DPU, сховищ, NCCL та планувальників. Автовиявлення надає зв'язки, яких немає в сирій телеметрії, створюючи граф знань, що відображає елементи інфраструктури, планувальника та робочих навантажень. Цей граф динамічно оновлюється по мірі запуску, зупинки завдань або заміни вузлів, підтримуючи навігацію від огляду всієї фабрики до окремого інтерфейсу.Рис. 3. Проактивне обслуговування SuperNICГраф топології трансформує шлях розслідування, дозволяючи операторам відстежувати аномалії від інтерфейсу до його вузла, шляху в мережі та поточного розміщення завдання. Навпаки, ML-інженери можуть прослідкувати ID завдання через дані на GPU, хості, NIC та комутаторі. Minerva обробляє мільярди точок даних метрик та журналів на годину, використовуючи моделі з навчанням з вчителем та без вчителя. Обнаруження з навчанням з вчителем ідентифікує відомі критичні шаблони помилок і пов'язує їх із рекомендаціями щодо усунення, тоді як моделі без вчителя вивчають нормальні шаблони для апаратних або логічних компонентів і порівнюють їх із відповідними сусідами. Порівняння з сусідами є критично важливим, оскільки вимірювання може виглядати прийнятним ізольовано, але бути аномальним у контексті, наприклад, температура GPU в межах специфікації, але значно вища, ніж у сусідніх GPU під тим самим навантаженням. Мультиваріантні моделі поєднують температуру, потужність, частоти та використання для виявлення деградації до повного відмови.Журнали отримують аналогічну обробку: виявлення аномалій на основі NLP виявляє раніше невідомі шаблони, а збіг з навчанням з вчителем ідентифікує відомі критичні помилки. Виявлені проблеми можуть передаватися в робочі процеси планувальника для виведення зацікавлених вузлів з експлуатації до того, як на них потраплять нові завдання, або в безпечні інтервали контрольних точок. Кореляція з урахуванням топології пов'язує виявлення з діями оператора, використовуючи граф знань для визначення, які події мають спільний шлях залежності. Побічні симптоми групуються в єдиний інцидент, а не конкурують за увагу, зводячи надлишкові події та пов'язані серії метрик в один сигнал із прикріпленою зацікавленою топологією та робочими навантаженнями. Тестування NVIDIA показує значне зменшення кількості подій, що повідомляються, і тикетів для підтримуваних сценаріїв, що дозволяє операторам починати з набагато меншого простору пошуку для аналізу первинних причин.NVIDIA Minerva включає нативного ШІ-агента на ім'я Sherlock, який базується на живій телеметрії та графі знань і дозволяє операторам запитувати систему для аналізу первинних причин природною мовою. Sherlock може надавати підтверджувальні докази та рекомендувати заходи щодо усунення, не вимагаючи від операторів знання конкретних метрик або мов запитів, надаючи шлях до галузевих знань, які традиційно вимагали ескалації до спеціалістів. Крім того, MCP-сервер Minerva дозволяє зовнішнім агентним інструментам запитувати той самий операційний контекст, що дозволяє командам інтегрувати живі дані ШІ-фабрики у власні робочі процеси. Заходи з пом'якшення можуть залишатися затвердженими людиною або автоматизуватися відповідно до локальної політики та оцінки ризиків. У великому ШІ-дата-центрі Minerva виявила одне з'єднання NVLink серед 400 000 інтерфейсів, яке втрачало пропускну здатність, що дозволило SRE вивести зацікавлені вузли з експлуатації та відновити повну швидкість за хвилини, а не години.

Meta підтвердила падення продаж Quest і змістила фокус VR-стратегії на проривні релізи
  • PublicPublic
  • 26 Oct, 2026

Meta підтвердила падення продаж Quest і змістила фокус VR-стратегії на проривні релізи

Свіжий квартальний звіт Meta демонструє помітне зниження продаж гарнітур Quest, що призвело до падіння виручки підрозділу Reality Labs на 6% у третьому кварталі 2026 року. Загальна виручка сегменту становила 443 мільйони доларів. Це зниження було частково нівельовано стійким зростанням доходів від AI-окулярів, що вказує на ясну зміну споживчого попиту та корпоративних пріоритетів. Фінансові дані підкреслюють: хоча продажі VR-железа сповільнюються, нові носимі пристрої з акцентом на ШІ набирають обертів, змінюючи структуру доходів Reality Labs.За матеріалами MetaУ відповідь на ці тенденції Meta офіційно змінила підхід до розробки VR-обладнання. Генеральний директор Марк Цукерберг заявив, що компанія тепер випускатиме нові VR-пристрої лише тоді, коли вони досягнуть «значних проривів», подібних до досягнень, показаних у Meta VR Glasses, випущених цього року. Ця стратегія відходить від попередньої моделі регулярних оновлень поколінь споживчих гарнітур. Прив'язуючи релізи до суттєвих технологічних стрибків, а не до річних циклів, Meta фактично відходить від ітеративних вдосконалень на користь більш впливових, хоча й менш частих, запусків продуктів.VR-окуляри Meta | За матеріалами MetaЗараз компанія робить пріоритет на шлях до персональної суперінтелектуальності та розвитку ШІ, які вийшли на перший план перед розширенням VR-обладнання. Цукерберг підкреслив, що, хоча він вважає VR необхідним попередником майбутнього голографічного досвіду, що поєднує фізичний і цифровий світи, темп інвестицій у цю сферу буде коригуватися. Тепер фокус зміщений на впровадження можливостей ШІ, а VR виступає як фундаментальний крок, а не головна безпосередня ціль. Цей стратегічний поворот означає, що ресурси перенаправляються зі споживчого VR-контенту та обладнання на розробку просунутих ШІ-систем і носимих пристроїв.У перспективі Meta VR Glasses, заплановані до запуску навесні 2027 року, позиціонуються як ключовий продукт для професіоналів та ентузіастів за ціною 1300 доларів. Цей пристрій розглядається не стільки як традиційний VR-гарнітур, скільки як ступінь до доповненої реальності. Тим часом майбутнє ігрової платформи Quest залишається невизначеним, оскільки Meta відкладає ітеративні VR-релізи. Хоча можливі знижки на моделі Quest 3 і 3S у святковий сезон можуть дати тимчасовий імпульс продажам, компанія вже вивела більшу частину коштів, виділених на масштабний VR-контент, підтверджуючи довгострокове зобов'язання перед новим курсом, орієнтованим на ШІ.

Стандарт OpenXR Spatial Containers уніфікує об'ємний мультитаскінг
  • PublicPublic
  • 26 Oct, 2026

Стандарт OpenXR Spatial Containers уніфікує об'ємний мультитаскінг

Khronos випустила нові розширення OpenXR Spatial Container, які стандартизують системне керування просторами для відображення об'ємного 3D-контенту. Цей підхід віддзеркалює логіку традиційних настільних ОС, які керують 2D-застосунками в вікнах, але застосовує цю концепцію до іммерсивного 3D-середовища. OpenXR залишається провідним відкритим API для розробки AR, VR та MR, яким керує той самий консорціум, що стоїть за OpenGL та Vulkan. Його головна мета - дати розробникам можливість створювати застосунки, що працюють безшовно на різних гарнітурах без залежності від пропрієтарних API. Наразі OpenXR підтримують майже всі великі гарнітури, рушії та рантайми, за винятком Apple Vision Pro та PlayStation VR2 на платформі PS5.Просторові контейнери OpenXR, як показано на SIGGRAPH 2026.Нові розширення дозволяють розробникам створювати застосунки, які переходять між режимами багатозадачності та повноцінного занурення. Один застосунок може містити кілька Spatial Containers, позиціонування яких контролює система. Розробники можуть вказати бажане розташування для цих контейнерів або довірити їх розміщення системі, наприклад, щоб вони супроводжували користувача під час переміщення. Архітектурно це концептуально схоже на модель Shared Space в Apple Vision Pro, де віконні та об'ємні застосунки співіснують у середовищі, що керується системою, перед переходом до повного занурення. Це також відповідає дизайну Pico OS 6 для майбутнього Pico Space Pro, який використовує єдину архітектуру рендерингу під назвою Pico Spatial Engine для запущення 2D та 3D застосунків поруч на віртуальному або прозорому тлі.Стандартизація вирішує серйозне обмеження поточних лідерів ринку, таких як Android XR від Google та Horizon OS від Meta. Хоча ці платформи підтримують багатозадачність 2D-застосунків, вони наразі обмежують користувачів запуском лише одного 3D-застосунку одночасно. Впровадження Spatial Containers пропонує шлях до подолання цього обмеження. Джаред Файндер, керівник платформи XR та SDK у Google, підтвердив у офіційному анонсі Khronos, що компанія з нетерпінням чекає можливості додати підтримку Spatial Container до Android XR. Для Meta ці розширення представляють собою можливість відродити концепцію Augments, категорію системних 3D-застосунків, яка була анонсована для Quest 3 у 2023 році, але згодом фактично скасована.Раніше Meta повідомляла, що функцію Augments перебудовують з нуля після того, як початковий підхід був визнаний недостатнім. Останні оновлення Horizon OS та інструментів для розробників зосереджені на реорганізації управління просторовими вікнами та покращенні просторових застосунків, що вказує на можливе використання цих нових розширень OpenXR для реалізації початкового бачення Augments. Спочатку планувалося створювати ці розширення за допомогою Meta Spark Studio, інструменту для створення AR-досвідів, який вже закрито, і який підтримував імпорт 3D-ресурсів та реалізацію розширених функцій через JavaScript. Хоча Meta не дала чіткого зобов'язання підтримувати розширення у своєму офіційному заявленні, технічна узгодженість з їхніми поточними пріоритетами розвитку робить цей напрямок цілком ймовірним для їхньої екосистеми.Специфікації та приклади коду для OpenXR Spatial Containers вже доступні для розробників. Робоча група OpenXR у Khronos також активно працює над додатковими розширеннями, які дозволять застосункам використовувати системний рендерер, оптимізований під конкретне обладнання, від високопродуктивних гарнітур до пристроїв із низьким енергоспоживанням. Робоча група очікує, що впровадження цих розшижень почнеться в екосистемі OpenXR протягом поточного року. Цей розвиток є важливим кроком до єдиного стандарту об'ємної багатозадачності, який потенційно може зменшити фрагментацію та дозволити створювати більш складні просторові досвіди з кількома застосунками на різноманітних апаратних платформах.

Шостий Godot XR Community Game Jam завершено: 28 робіт під темою «В дрейфі»
  • PublicPublic
  • 25 Oct, 2026

Шостий Godot XR Community Game Jam завершено: 28 робіт під темою «В дрейфі»

Шостий сезон Godot XR Community Game Jam відбувся з 21 вересня по 5 жовтня 2026 року. Хоча кількість учасників зменшилася з 98 до 85, кількість поданих проєктів зросла з 22 до 28 ігор. Це свідчить про вищу концентрацію завершених робіт високої якості, а не про велику кількість незавершених спроб. Центральною темою цього циклу стала «В дрейфі», яка надихнула на різноманітні творчі інтерпретації в поданих іграх.П'ять найкращих робіт продемонстрували різноманітність механік у просторі XR. В одній з ігроків змушували фізично тягнути важелі, щоб керувати повітряним кульком, боронючись із візуалізованими повітряними потоками та обстрілюючи цілі з встановленої гармати. Інша гра пропонувала керувати дроном на тросі, який збирав електрику зі шторму для живлення судна, створюючи баланс між збором енергії та ухиленням. Фізична гра на складання вежі розміщувала гравців на острові, де їм довелося будувати конструкції з дрейфуючого сміття, точно контролюючи баланс.Обманливо простий шутер вимагав лопати повітряні кулі в строгих часових рамках, використовуючи зароблену валюту для покупки покращень, таких як додатковий час або місткість зброї. Ця структура в стилі roguelike додала стратегічну глибину до приємної VR-стрільби. Переможною роботою стала Wavemaker від Unit327, яка дозволяла гравцям створювати хвилі в басейні, щоб просувати човни через рівні. Гравці могли плескатися руками, кидати плюшеві іграшки або керувати швидкісним катером на пульті, маніпулюючи динамікою води на дедалі складніших етапах.Конкуренція була напруженою, і Unit327 здобула перемогу, попри серйозний опір. Організатори висловили вдячність усім учасникам та голосувальникам за їхній внесок у заходи. Наступний сезон Godot XR Community Game Jam попередньо заплановано на початок квітня 2027 року. Точну дату оголосять ближче до початку події, щоб розробники могли підготувати свої проєкти до майбутньої випробування.