Apera AI vs Text-To-4D

Apera AI vende software e hardware de Visão 4D que orienta robôs industriais em tarefas de separação de peças, montagem, atendimento de máquinas, classificação e embalagem. Sua plataforma de visão robótica Vue combina pares de câmeras 2D em um modelo de cena 3D, e então executa redes neurais proprietárias para escolher a peça mais fácil de agarrar e enviar planos de trajetória para o controlador do robô em apenas 0,3 segundos.

A visão computacional tradicional frequentemente necessita de fotos de referência ou falha com peças brilhantes, transparentes ou empilhadas aleatoriamente. Apera AI treina objetos a partir de modelos CAD ou escaneamentos 3D usando dados sintéticos, visando 99,99% de confiabilidade antes da entrega, e lida com peças claras, translúcidas e reflexivas em iluminação forte, escura ou externa. Um computador Vue pode operar até quatro pares de câmeras, e a comissionamento após o treinamento leva cerca de 15 minutos de calibração.

A empresa tem como alvo plantas automotivas, de dispositivos médicos e de fabricação de metal, além dos integradores de sistemas que constroem suas células. Os projetos seguem um processo de quatro etapas: Escopo, Design, Instalação e Suporte com parceiros certificados, garantia de reembolso baseada em especificações nos programas de visão, e compromisso de retorno de suporte em 30 minutos durante o horário comercial.

Text-To-4D é um projeto de pesquisa da Meta AI (MAV3D) que gera cenas dinâmicas tridimensionais a partir de descrições em texto. O método utiliza um Neural Radiance Field dinâmico 4D otimizado para consistência de aparência, densidade e movimento, consultando um modelo de difusão texto-para-vídeo.

Diferente dos geradores 3D estáticos que produzem uma única malha, o Text-To-4D gera cenas que podem ser visualizadas de qualquer ângulo de câmera e compostas em outros ambientes 3D. A abordagem não requer dados de treinamento 3D ou 4D; o modelo texto-para-vídeo subjacente é treinado apenas com pares texto-imagem e vídeos não rotulados.

A página do projeto hospeda amostras de demonstração para comandos texto-para-4D como "um corgi brincando com uma bola" e conversões imagem-para-4D a partir de fotos estáticas. É uma vitrine de pesquisa, não um produto comercial com API pública ou cadastro. Pesquisadores e artistas 3D interessados em geração dinâmica de cenas baseada em NeRF podem explorar o artigo e as saídas de exemplo no site.