Pikachus em cada esquina. Subindo de nível antes de entrar na academia. “Pokémon Go às urnas.” Você se lembra bem dessa época: Pokémon Go virou uma febre, com centenas de milhões indo às ruas em busca de capturar o raro Azelf ou um Charizard de edição especial. Agora, não só parece que Pokémon Go tomou o mundo de assalto, como também estava usando dados coletivos para mapeá-lo.
Ao longo da última década, jogadores de Pokémon Go enviaram voluntariamente fotos e vídeos curtos de marcos públicos, esquinas, fachadas de lojas e cruzamentos urbanos — tudo isso se juntando para criar um conjunto de dados que agora soma 30 bilhões de imagens capturadas ao nível da rua, em praticamente todas as grandes cidades do planeta.
Leia também: Como “A Década dos Robôs” abre caminho para um mercado de trilhões de dólares
A Niantic Spatial, divisão de IA e mapeamento corporativo derivada da Niantic Inc., passou anos convertendo esse acervo em algo que a indústria de robótica nunca tinha visto antes: um modelo fotorrealista, ao nível da rua, continuamente atualizado do mundo físico, construído especificamente para robôs.
Esse modelo agora está sendo implantado para orientar a frota de cerca de 1.000 robôs de entrega da Coco Robotics, que opera em cidades pelo país e ao redor do mundo, incluindo Los Angeles, Chicago, Miami, Jersey City e Helsinque, acumulando até hoje milhões de quilômetros em entregas. Brian McClendon, diretor de tecnologia da Niantic Spatial e um dos criadores originais do Google Earth, explica a estratégia de dados de forma direta.
“Vemos os dados dos jogadores como dados de treinamento de altíssima qualidade para outros conjuntos de dados de qualidade inferior”, afirmou McClendon à Fortune, em comunicado.
“A filosofia de longo prazo da Niantic Spatial é que podemos resolver esses problemas difíceis de localização, reconstrução e semântica usando lugares muito específicos para treinar modelos e, depois, usar dados muito mais amplamente disponíveis, ainda que em menor resolução, para localizar, visualizar e compreender a partir de dados ‘ruins’.”
As 30 bilhões de imagens de Pokémon Go não são apenas um mapa: são uma chave mestra que revela o potencial de como criar um mapa do mundo real em tempo real. As capturas dos jogadores ensinam ao modelo o que é precisão — é tão preciso, de fato, que consegue até indicar quando a entrada de dados é imperfeita.
É uma estratégia que posiciona a Niantic Spatial menos como uma empresa de jogos que mudou de rumo e mais como a operação de mapeamento mais ambiciosa já criada — financiada inteiramente pelo entusiasmo de seus próprios usuários em capturar criaturas digitais.
O Sistema de Posicionamento Visual da Niantic Spatial, ou VPS, resolve um problema que silenciosamente tem limitado o setor de entregas autônomas. O GPS, base da maioria dos sistemas de navegação, não funciona tão bem em ambientes urbanos densos, onde prédios altos interferem nos sinais de satélite.
Para um robô de entrega que precisa deixar comida em uma porta específica, errar por alguns metros significa clientes insatisfeitos reclamando que o hambúrguer chegou frio — ou foi parar na barriga do vizinho. Em vez disso, o VPS ignora completamente os satélites, comparando imagens em tempo real das câmeras do robô com seu vasto banco de dados para determinar a posição instantaneamente.
“O modelo funciona em tempo real, recebendo imagens do robô e comparando-as tanto com bases de dados públicas quanto proprietárias que coletamos para determinar a posição global e a orientação do robô”, disse um porta-voz da Niantic Spatial à Fortune, em comunicado. A empresa já sabia onde essa tecnologia se sai melhor: “O VPS da Niantic Spatial é particularmente resistente em ‘cânions urbanos’, onde o GPS tem desempenho ruim.”
“Nosso VPS inicial foi construído com base em capturas que os usuários optaram por fazer nos jogos — mas nenhuma fonte única define o modelo”, afirmou o porta-voz da Niantic Spatial.
A participação dos jogadores sempre foi voluntária: os usuários precisavam escolher ativamente enviar uma varredura em vídeo curto de um marco público específico. Hoje, o modelo aprende cada vez mais com dados gerados pelos próprios clientes corporativos da Niantic Spatial.
O mecanismo subjacente — um grande modelo geoespacial, ou LGM, treinado com bilhões de imagens posicionadas e centenas de milhões de varreduras do mundo real — sustenta três capacidades: reconstruir espaços como modelos 3D navegáveis, localizar máquinas dentro desses espaços e compreender ambientes de forma semântica.
Como escreveu o CEO John Hanke em uma publicação recente no blog: “Nos últimos anos, temos construído um grande modelo geoespacial que funciona como um mapa vivo e dinâmico do mundo, nativo para robôs e IA.”
Para Zach Rash, CEO da Coco, o problema está na capacidade de raciocínio dos robôs (ou na falta dela).
“Os robôs ainda não têm a mesma intuição que um humano, que consegue entender: ‘Meu GPS não está funcionando muito bem, mas eu sei que provavelmente é para lá que devo ir’”, disse Rash à Fortune. “Precisamos que o robô tenha esse tipo de intuição.”
“Quando entramos em áreas muito densas, com muitos prédios altos, é aí que a solução de VPS pode ser realmente útil”, afirmou Rash. “Nosso GPS e nossas soluções atuais podem falhar nesse tipo de ambiente.”
Os impactos, segundo ele, são percebidos pelos clientes no momento final da entrega: “É uma experiência terrível para o cliente quando o robô para no lugar errado esperando para receber o pedido.”
“Estamos bem no começo com a Niantic Spatial, e estamos animados para colaborar com uma equipe tão incrível na busca de entender como incorporar isso à tecnologia existente para melhorar o serviço. O VPS é uma solução óbvia”, continuou Rash. “Eles são muito bons nisso. Se eu conseguir determinar com mais precisão onde deixar a comida, meus clientes ficarão satisfeitos.”
2026 Fortune Media IP Limited
The post Jogadores de Pokémon Go criaram mapa gigante que agora ajuda robôs a entregarem pizza appeared first on InfoMoney.