UrbanWorld2.0: A Multimodal Agentic Framework for Reality-Aligned 3D World Generation at City-Scale
यह शोधपत्र UrbanWorld2.0 का परिचय देता है, जो एक एजेंटिक मल्टीमॉडल फ्रेमवर्क है जो मौजूदा विधियों की तुलना में बेहतर वास्तविकता संरेखण और संवेदी गुणवत्ता के साथ उच्च-निष्ठा वाले, शहर-स्तर के 3D वातावरण उत्पन्न करने के लिए पुनरावृत्ति स्व-चिंतन (iterative self-reflection) और विविध फाउंडेशन टूल्स का लाभ उठाता है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
एक विश्वसनीय डिजिटल दुनिया बनाना लंबे समय से फिल्म निर्माताओं, गेम डिजाइनरों और वैज्ञानिकों का एक सपना रहा है। दशकों से, इन वातावरणों को बनाने की प्रक्रिया काफी हद तक मानवीय हाथों पर निर्भर रही है। कलाकारों को हर पेड़, सड़क और इमारत को मैन्युअल रूप से रखना पड़ता है, जो एक धीमी और महंगी प्रक्रिया है जो यह सीमित करती है कि एक आभासी शहर कितना बड़ा या विस्तृत हो सकता है। हालांकि कंप्यूटर चित्र बनाने में बेहतर हो गए हैं, लेकिन पूरे शहरों को ऐसा बनाना जो वास्तविक लगें और महसूस हों, एक महत्वपूर्ण बाधा बनी हुई है। चुनौती केवल सुंदर चित्र बनाने के बारे में नहीं है; यह एक ऐसे स्थान का निर्माण करने के बारे में है जहाँ लेआउट समझ में आए, बनावट (टेक्सचर) प्रामाणिक लगे, और पैमाना इतना विशाल हो कि वह रोबोटों को प्रशिक्षित करने या यातायात का अनुकरण करने के लिए उपयोगी हो सके। इसे हल करने के लिए, शोधकर्ता एक नए दृष्टिकोण की ओर मुड़ रहे हैं जो कंप्यूटर प्रोग्रामों को केवल उपकरणों के रूप में नहीं, बल्कि बुद्धिमान सहायकों के रूप में देखते हैं जो योजना बनाने, अपने काम की जांच करने और गलतियों से सीखने में सक्षम हैं।
त्सिंहुआ विश्वविद्यालय के शोधकर्ताओं की एक टीम ने 'अर्बनवर्ल्ड 2.0' (UrbanWorld2.0) नामक एक प्रणाली पेश की है, जिसे उच्च-गुणवत्ता वाले, शहर-स्तर के 3D वातावरण को स्वचालित रूप से उत्पन्न करने के लिए डिज़ाइन किया गया है जो वास्तविक दुनिया के साथ बारीकी से मेल खाते हैं। पिछले तरीकों के विपरीत, जो अक्सर असंबद्ध ग्रिड, खुरदरी बनावट, या खाली स्थान में तैरती इमारतों को उत्पन्न करते थे, यह नया ढांचा पूरे शहरी परिदृश्य बनाता है जो इमर्सिव मीडिया और रोबोटिक्स में उपयोग के लिए तैयार हैं। यह प्रणाली एक डिजिटल वास्तुकार के रूप में कार्य करके काम करती है जो वास्तविक दुनिया के डेटा, जैसे कि मानचित्र और स्ट्रीट-व्यू फोटोग्राफ से शुरुआत करती है, और एक शहर को शून्य से बनाने के लिए स्मार्ट चरणों की एक श्रृंखला का उपयोग करती है। यह केवल यह अनुमान नहीं लगाता कि एक शहर कैसा दिखना चाहिए; इसके बजाय, यह जानकारी एकत्र करता है, लुप्त विवरणों की कल्पना करता है, अपनी रचनाओं की आलोचना करता है, और उन्हें तब तक परिष्कृत करता है जब तक कि वे सटीक और दृष्टिगत रूप से शानदार न हो जाएं।
प्रक्रिया वास्तविक दुनिया से कच्चे माल को इकट्ठा करने के साथ शुरू होती है। यह समझने के लिए कि सड़कें और इमारतें कहाँ स्थित हैं, यह ओपन-सोर्स मानचित्रों से भौगोलिक डेटा निकालता है, और यह देखने के लिए कि वे इमारतें वास्तव में कैसी दिखती हैं, यह पैनोरमिक स्ट्रीट-व्यू चित्र एकत्र करता है। हालाँकि, ये कच्ची छवियां अक्सर कारों, पेड़ों या निर्माण उपकरणों से भरी होती हैं जो दृश्य को बाधित करती हैं। सिस्टम का पहला काम एक सावधानीपूर्वक संपादक के रूप में कार्य करना है, इन बाधाओं को हटाना और इमारतों के स्पष्ट संभव दृश्यों का चयन करना है। इसके बाद यह "कल्पना" के चरण में जाता है, जहाँ यह रिक्त स्थानों को भरता है। चूंकि एक अकेला स्ट्रीट फोटो किसी इमारत के पीछे या ऊपर का हिस्सा नहीं दिखा सकता, इसलिए सिस्टम उन्नत आर्टिफिशियल इंटेलिजेंस का उपयोग करके संरचना के पूर्ण त्रि-आयामी आकार का मानसिक पुनर्निर्माण करता है, और उपलब्ध सीमित दृश्य संकेतों के आधार पर उसके आयतन और स्थापत्य शैली का अनुमान लगाता है।
एक बार जब सिस्टम के पास इमारतों की एक स्पष्ट मानसिक छवि होती है, तो यह वास्तविक 3D मॉडल उत्पन्न करता है। यहीं पर इस ढांचे का अनूठा डिज़ाइन चमकता है। पूरे शहर को एक साथ बनाने के बजाय, जिससे अक्सर त्रुटियां होती हैं, यह प्रणाली इसे टुकड़ों में बनाती है। यह प्रत्येक इमारत का आकार बनाती है, फिर उस पर एक उच्च-गुणवत्ता वाली बनावट (टेक्सचर) पेंट करती है, और अंत में उसे वास्तविक दुनिया में ठीक उसी स्थान पर रखती है जहाँ वह होनी चाहिए। इस वर्कफ़्लो का एक महत्वपूर्ण हिस्सा एक अंतर्निहित "चिंतन" (रिफ्लेक्शन) तंत्र है। एक इमारत उत्पन्न करने के बाद, सिस्टम एक कठोर आलोचक के रूप में कार्य करता है, अपनी कमियों के लिए अपने काम की जांच करता है। यह जाँचता है कि क्या संरचना भौतिक रूप से संभव दिखती है, क्या बनावट वास्तविक लगती है, और क्या यह मूल निर्देशों का पालन करती है। यदि सिस्टम को कोई गलती मिलती है, जैसे कि एक खिड़की जो दीवार के साथ संरेखित नहीं है, या एक छत जो विकृत दिखती है, तो यह स्वचालित रूप से त्रुटि को ठीक करता है और फिर से प्रयास करता है। रचना और आत्म-सुधार का यह चक्र तब तक जारी रहता है जब तक कि परिणाम उच्च गुणवत्ता के मानक को पूरा नहीं कर देता।
इस दृष्टिकोण के परिणाम आश्चर्यजनक हैं। 3D शहरों को उत्पन्न करने के अन्य तरीकों के मुकाबले परीक्षण किए जाने पर, अर्बनवर्ल्ड 2.0 ने काफी अधिक वास्तविक और सुसंगत दृश्य प्रस्तुत किए। प्रत्यक्ष तुलना में, सिस्टम का आउटपुट 86 प्रतिशत से अधिक समय तक मौजूदा तकनीकों की तुलना में बेहतर पाया गया। उत्पन्न शहरों में सटीक आकार वाली इमारतें और विस्तृत सतहें, तार्किक रूप से जुड़े हुए मार्ग, और स्ट्रीट लैंप तथा ट्रैफिक साइन जैसे सूक्ष्म तत्व अपने सही स्थानों पर मौजूद थे। सिस्टम ने गतिशील तत्वों, जैसे कि सिम्युलेटेड ट्रैफिक और चलते वाहनों को भी सफलतापूर्वक एकीकृत किया, जिससे एक स्थिर मॉडल के बजाय एक जीवंत वातावरण बना। विवरण और सटीकता का यह स्तर बताता है कि सिस्टम डिजिटल सिमुलेशन और भौतिक दुनिया के बीच के अंतर को प्रभावी ढंग से पाट सकता है, जो स्वायत्त वाहनों और रोबोटों को जटिल शहरी परिवेशों में नेविगेट करने के लिए प्रशिक्षित करने हेतु एक आवश्यक क्षमता है।
वास्तविक दुनिया के डेटा को मल्टी-स्टेप, आत्म-सुधार वाले वर्कफ़्लो के साथ जोड़कर, अर्बनवर्ल्ड 2.0 यह प्रदर्शित करता है कि गुणवत्ता से समझौता किए बिना बड़े पैमाने पर, वास्तविक 3D दुनिया का निर्माण स्वचालित करना संभव है। यह प्रणाली कठोर, पूर्व-निर्धारित नियमों पर निर्भर नहीं है जो रचनात्मकता को सीमित करते हैं, न ही यह प्रशिक्षण डेटा की विशाल मात्रा पर निर्भर है जिसे प्राप्त करना कठिन है। इसके बजाय, यह एक लचीली, बुद्धिमान प्रक्रिया का लाभ उठाता है जो इस तरह नकल करती है जैसे एक मानव डिजाइनर किसी प्रोजेक्ट के प्रति दृष्टिकोण अपनाता है: संदर्भ एकत्र करना, विचार बनाना, काम की समीक्षा करना और सुधार करना। यह उपलब्धि डिजिटल ट्विन्स के भविष्य के लिए एक आशाजनक आधार प्रदान करती है, जहाँ पूरे शहरों का उच्च सटीकता के साथ अनुकरण किया जा सकता है, और एम्बोडीड इंटेलिजेंस (embodied intelligence) के विकास के लिए, जहाँ मशीनें ऐसे वातावरण में काम करना सीख सकती हैं जो बिल्कुल हमारे अपने जैसे दिखते हैं और व्यवहार करते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।