Apera AI vs Text-To-4D

Apera AI vende software y hardware de Visión 4D que guía a robots industriales en tareas de selección de contenedores, ensamblaje, atención de máquinas, clasificación y embalaje. Su plataforma de visión robótica Vue combina pares de cámaras 2D en un modelo de escena 3D, luego ejecuta redes neuronales propietarias para seleccionar la pieza más fácil de agarrar y enviar planes de trayectoria al controlador del robot en tan solo 0.3 segundos.

La visión artificial tradicional a menudo necesita fotos de referencia o falla con piezas brillantes, transparentes o apiladas aleatoriamente. Apera AI entrena objetos a partir de modelos CAD o escaneos 3D usando datos sintéticos, apunta a una fiabilidad del 99.99% antes de la entrega y maneja piezas claras, translúcidas y reflectantes en iluminación brillante, oscura o al aire libre. Un solo computador Vue puede manejar hasta cuatro pares de cámaras, y la puesta en marcha después del entrenamiento toma aproximadamente 15 minutos de calibración.

La empresa se dirige a plantas automotrices, de dispositivos médicos y de fabricación de metales, además de a los integradores de sistemas que construyen sus celdas. Los proyectos siguen un proceso de cuatro pasos: Alcance, Diseño, Instalación y Soporte con socios certificados, una garantía de reembolso basada en especificaciones para programas de visión y un compromiso de devolución de llamada de soporte en 30 minutos durante el horario laboral.

Text-To-4D es un proyecto de investigación de Meta AI (MAV3D) que genera escenas dinámicas tridimensionales a partir de descripciones de texto. El método utiliza un Campo Neural de Radiancia dinámico 4D optimizado para la apariencia, densidad y consistencia del movimiento mediante la consulta a un modelo de difusión de texto a video.

A diferencia de los generadores 3D estáticos que producen una sola malla, Text-To-4D crea escenas que se pueden ver desde cualquier ángulo de cámara y componer en otros entornos 3D. El enfoque no requiere datos de entrenamiento 3D o 4D; el modelo subyacente de texto a video se entrena solo con pares de texto-imagen y videos sin etiquetar.

La página del proyecto aloja muestras de demostración para indicaciones de texto a 4D como "un corgi jugando con una pelota" y conversiones de imagen a 4D a partir de fotos fijas. Es una muestra de investigación, no un producto comercial con API pública o registro. Investigadores y artistas 3D interesados en la generación de escenas dinámicas basadas en NeRF pueden explorar el artículo y las muestras en el sitio.