Varwin XRMS — российская no-code платформа для создания и управления VR/AR-проектами без программирования

... буду рассказывать вам про VR/AR/MR, если есть интересные кейсы или технологии — делитесь в комментариях

Что внутри:
⚫️Визуальный редактор Blockly позволяет собирать приложения из готовых блоков, как конструктор, не углубляясь в код.
⚫️Игровой движок Unity добавляет реалистичности и поддерживает разные устройства: от стационарных VR-шлемов (HTC Vive, Oculus Rift) до автономных и обычных ПК на Windows и Android.
⚫️Есть библиотека готовых 3D-объектов, сцен и спецэффектов, а также система управления контентом (CMS) для централизованного администрирования, обновления и распространения проектов на разных устройствах.

В строительстве Varwin XRMS помогает
⚫️создавать VR-тренажёры для обучения персонала ТБ и ОТ;
⚫️проводить виртуальные туры по будущим ЖК;
⚫️совместно просматривать и согласовывать BIM-модели, выявлять коллизии и вносить изменения на ранних этапах проекта;
⚫️координировать работу подрядчиков и улучшать коммуникацию между всеми участниками строительства.

Ликбез по ИИ: как работают генеративно-состязательные сети (GAN) в архитектуре

... изучаю нейросети в архитектуре, буду иногда делиться с вами теорией, от простого в глубины

Генеративно-состязательная сеть (GAN) — это архитектура глубокого обучения, которая состоит из двух нейросетей, обучающихся совместно в виде состязательной игры:

⚫️Генератор (Generator, G) создаёт данные на основе случайного шума — например, изображения, планы, карты. Генератор постепенно обучается создавать всё более реалистичные и правдоподобные архитектурные данные, которые должны «обмануть» дискриминатор.

⚫️Дискриминатор (Discriminator, D) — это нейросеть-классификатор, которая оценивает как реальные данные, так и данные, созданные генератором. Он пытается определить, какие данные являются настоящими, а какие — подделками.

Состязательный процесс обучения
⚫️Генератор пытается создавать данные, которые дискриминатор примет за реальные.
⚫️Дискриминатор учится всё лучше распознавать подделки генератора.
⚫️Этот процесс — игра с нулевой суммой — продолжается до тех пор, пока генератор не научится создавать очень реалистичные архитектурные объекты. В ходе обновляются веса обеих сетей.

Особенности архитектурных GAN

⚫️Учет пространственных и семантических особенностей: архитектурные данные имеют сложную структуру — например, планы должны соответствовать строительным нормам, фасады — быть связаны с конструкцией здания. Поэтому в генератор и дискриминатор часто включают сверточные слои (CNN), которые хорошо работают с изображениями и пространственными данными.

⚫️Использование условных GAN (Conditional GAN): чтобы генерировать планы с заданными параметрами (например, этажность, площадь, функциональное назначение), к генератору и дискриминатору подают дополнительные условия.

Пример работы GAN для архитектуры
⚫️На вход генератору подается случайный вектор шума и, возможно, условие (например, тип здания).
⚫️Генератор создает изображение плана или фасада.
⚫️Дискриминатор оценивает, насколько изображение реалистично, выдавая вероятность «настоящести».
⚫️Ошибка дискриминатора используется для обновления его весов, а также для обратного распространения ошибки в генератор, чтобы улучшить качество генерации.

Итог
В архитектуре GAN позволяют создавать новые архитектурные объекты и планы, которые выглядят реалистично и соответствуют заданным параметрам. Состязательное обучение генератора и дискриминатора обеспечивает непрерывное улучшение качества генерации.

За счет использования сверточных слоев и условных входов GAN адаптируются под сложные архитектурные данные — планы, фасады, 3D-модели, карты зонирования.

В следующий раз сделаю подборку GAN.

HR-отдел «Самолета» ускорил подготовку отчётов 360° на 75% с помощью ИИ

Нейросеть на базе модели GPT-4.5 по промту (на скриншоте) готовит отчёт по сотруднику — с его сильными сторонами, зонами роста и вопросами для встреч. После нейронки отчеты проверяют HR.

Модель обучена на внутренней базе документов, адаптирована под стиль застройщика, использует только анонимные данные и полностью соответствует требованиям безопасности и законодательства.

На пилоте обработали 27 анкет — результаты:
🟠Время подготовки обратной связи сократилось больше чем в 3 раза
🟠Удовлетворённость сотрудников фидбеком выросла до 94%
🟠Руководители стали чаще предлагать корректировки - на 32% больше
🟠Персонализация обратной связи улучшилась с 4,2 до 4,5 баллов

Молодцы, коллеги: теперь у HR «Самолета» больше времени на то, до чего руки не доходили.

Яндекс открыл своего ИИ-помощника для службы поддержки клиентов — Yandex Neurosupport — для тестирования

⚫️Помощник автоматически предлагает готовые варианты ответов на вопросы клиентов, используя базу знаний компании. Оператор может быстро отправить подсказку, подкорректировать её или написать свой ответ.

⚫️Внутри — облегчённые моделей семейства YandexGPT, дообучить их можно на своей базе знаний. Интеграция через API или на инфраструктуре заказчика.

⚫️В Яндексе сервис уже ускорил решение вопросов клиентов на 10–15% в Маркете и Еде (при сохранении качества). В будущем компания планирует добавить ИИ-агентов, которые смогут помогать клиентам без участия оператора.

Сервис доступен в Yandex Cloud по заявке для закрытого теста.

Собрали для вас самые пересылаемые и полезные публикации на канале за последнее время. Выходные же — почитайте, если вдруг пропустили:

💚Про Varwin XRMS — российскую no-code платформу для создания и управления VR/AR-проектами.

💚Здесь про многоступенчатый метод автоматизированной генерации цифровых моделей от команды ИТМО и Rocket Group.

💚А вот Сбер запустил Kandinsky 3D — первый российский сервис на базе ИИ для быстрой генерации 3D-моделей, и я его потестила.

💚Подборка из 9 бесплатных курсов по ИИ от Google.

💚Меняем окна, двери, фасады — МК от ПИКа по Krea.

💚про CAD-Llama — фреймворк, который адаптирует LLM для создания параметрических 3D-моделей по обычному текстовому описанию.

💚Про новый протокол для ИИ-агентов — MCP.

Это первая часть — завтра еще принесу😊

А вот и вторая часть самых пересылаемых и полезных публикаций на канале за последнее время. Первая часть — тут.

Выходные же — почитайте, если вдруг пропустили:

💚6 репозиториев Гитхаба для тех, кто проектирует— архитектуру или агентов
💚MIT, Microsoft и Google представили периодическую таблицу для ML
💚Как создать ИИ-агента для инженерных задач.
💚Что такое RAG, и чем она хороша для поиска по нормативке.
💚Как работают GAN (генеративно-состязательные сети) в архитектуре
💚Про CAD-Llama — фреймворк для адаптации LLM под создание параметрических 3D-моделей по обычному текстовому промту.
💚Вот исследование лаборатории DroneCam об LLM на борту дрона без облаков