MetaEarth3D: Khi AI dựng một hành tinh 3D từ ảnh vệ tinh và một câu lệnh

Một bước ngoặt trong mô phỏng không gian

MetaEarth3D là tên một mô hình trí tuệ nhân tạo mới có khả năng sinh dựng cảnh ba chiều quy mô lớn chỉ dựa trên đầu vào rất đơn giản: một câu mô tả bằng văn bản hoặc một ảnh chụp từ vệ tinh. Công trình do nhóm nghiên cứu của giáo sư Sử Chấn Vị và giáo sư Trâu Chinh Hạ từ Đại học Hàng không Vũ trụ Bắc Kinh phát triển, vừa được đưa lên arXiv và tiếp nhận công bố bởi National Science Review.

Nguyên lý vận hành: từ ảnh hai chiều đến thế giới ba chiều

Thách thức lớn nhất mà nhóm nghiên cứu cần vượt là thiếu hụt dữ liệu 3D thực tế ở quy mô toàn cầu. Thay vì dựa vào tập dữ liệu quét 3D tốn kém, họ chuyển hướng sang tận dụng tín hiệu giám sát trích từ ảnh 2D. Bằng cách huấn luyện trên kho khoảng 10 triệu bức ảnh toàn cầu, mô hình học cách suy diễn cấu trúc không gian và phân bổ chiều cao dựa trên các mẫu thống kê.

Khung học của MetaEarth3D sử dụng một dạng chuyển dịch phân phối xác suất tiệm tiến (progressive diffusion) kết hợp với mạng thần kinh sâu. Kết quả là mô hình không tái tạo một phần thế giới đã có, mà sinh ra các cảnh bản thể mới tuân theo quy luật địa mạo và phân bố thị giác của Trái Đất.

Quy mô mô hình và hiệu năng tính toán

Mô hình sở hữu 4,6 tỷ tham số nhưng được tối ưu để suy luận nhẹ. Nhóm tác giả báo cáo rằng một card đồ họa phổ biến như NVIDIA RTX 3090 có thể dựng lên một khu đô thị diện tích khoảng 17 kilomet vuông trong vòng khoảng 2 giờ. Kết quả sinh ra là dữ liệu không gian tường minh, có gắn các thông số như cao độ và khoảng cách vật lý, nên dễ nhập vào các công cụ đồ họa chuyên dụng.

Đầu ra tương thích với hệ sinh thái đồ họa

Đầu ra của MetaEarth3D ở dạng không gian ba chiều rõ ràng, cho phép nhập trực tiếp vào các phần mềm như Unreal Engine (UE) hoặc Unity. Theo nhóm nghiên cứu, mô hình tránh được các sai lệch khoảng cách thường thấy ở một số mô hình sinh video, nên dữ liệu có thể dùng cho mô phỏng và thử nghiệm vận hành thực tế.

So sánh cách tiếp cận: MetaEarth3D và Google Earth

Hai hệ thống này phục vụ những mục đích khác nhau. Google Earth vận hành như một cơ sở dữ liệu đồ sộ: thế giới được thu thập qua vệ tinh, máy bay và các cảm biến, sau đó lưu trữ dưới dạng lưới tam giác hoặc đám mây điểm. Khi người dùng truy xuất, hệ thống chỉ hiển thị dữ liệu đã thu.

Ngược lại, MetaEarth3D sinh tạo cảnh mới dựa trên mô hình học; nó không sao chép một vùng đã được chụp trước mà tạo ra một thế giới thống kê hợp lý theo các quy luật địa hình. Nói cách khác, một bên là kho dữ liệu, một bên là một hệ sinh tạo có khả năng mở rộng vô hạn.

Kết quả thử nghiệm: tác động tới AI điều hướng

Một ứng dụng được nhóm nghiên cứu thử nghiệm là dùng môi trường do MetaEarth3D sinh ra để huấn luyện hệ thống điều khiển máy bay không người lái cỡ thấp. Khi dùng nguồn dữ liệu mô phỏng này, khả năng hiểu biết không gian của thiết bị tăng lên mức trung bình 22,85%. Con số này phản ánh hiệu quả của dữ liệu mô phỏng khi so sánh với bộ huấn luyện trước đó.

Ứng dụng thực tiễn và lợi ích

• Huấn luyện robot, xe tự hành và máy bay không người lái trong môi trường phong phú và có các thông số vật lý tích hợp.
• Mô phỏng các tình huống hiếm gặp (kịch bản “thiên nga đen”) để kiểm tra phản ứng của hệ thống mà khó có thể quan sát đủ trong đời thực.
• Tạo dữ liệu thử nghiệm tương thích trực tiếp với công cụ đồ họa, giảm rào cản chuyển đổi giữa nghiên cứu và thử nghiệm thực tế.

Hạn chế hiện nay

Dù đạt nhiều tiến bộ, MetaEarth3D vẫn còn giới hạn. Hiện mô hình tạo các khung cảnh ở một thời điểm cố định nên chưa phản ánh biến động theo thời gian (mùa, thay đổi sử dụng đất, giao thông theo giờ). Thêm vào đó, phương pháp mới mới mô phỏng dải sáng khả kiến; các kênh cảm biến như lidar hoặc hồng ngoại nhiệt chưa được tích hợp trong đầu ra hiện tại.

Ý nghĩa dài hạn

Sự xuất hiện của nền tảng sinh không gian ba chiều ở quy mô lớn cho thấy AI đang tiến sang vai trò tạo lập hạ tầng dữ liệu, không chỉ làm công cụ tạo nội dung. Khi mô hình như MetaEarth3D được hoàn thiện hơn, chúng có thể rút ngắn chi phí thử nghiệm, mở rộng phạm vi huấn luyện an toàn cho hệ thống tự động, và cung cấp dữ liệu tham chiếu cho những lĩnh vực cần mô phỏng không gian rộng.

Câu hỏi thường gặp

Mô hình này lấy dữ liệu từ đâu?

Nhóm nghiên cứu huấn luyện MetaEarth3D chủ yếu bằng kho khoảng 10 triệu ảnh trên phạm vi toàn cầu, từ đó suy diễn tín hiệu giám sát không gian 3D.

Thiết bị phần cứng nào có thể chạy mô hình?

Theo báo cáo của tác giả, quá trình suy luận mẫu có thể thực hiện trên một card đồ họa phổ biến như NVIDIA RTX 3090 để sinh vùng đô thị khoảng 17 km² trong vòng khoảng 2 giờ.

Mô hình đã được xuất bản chính thức chưa?

Nghiên cứu MetaEarth3D đã được đưa lên arXiv và được tạp chí National Science Review tiếp nhận, theo thông tin từ nhóm tác giả.

Kết luận

MetaEarth3D mở ra một hướng tiếp cận mới cho việc mô phỏng không gian: thay vì thu thập dữ liệu 3D tốn kém, dùng học máy để sinh ra các cảnh có tính bản địa học thống kê. Với 4,6 tỷ tham số, dữ liệu huấn luyện quy mô lớn và khả năng tương thích với công cụ đồ họa, mô hình này đã cho thấy tiềm năng ứng dụng rộng rãi nhưng vẫn cần vượt qua các giới hạn về đa cảm biến và tính động theo thời gian. Đối với những ai quan tâm tới thử nghiệm hệ thống tự hành hoặc mô phỏng kịch bản hiếm, đây là một bước tiến đáng chú ý.

Để mở rộng góc nhìn về tác động công nghệ và dự báo tương lai của AI trong nhiệm vụ trí tuệ, bạn có thể đọc thêm phân tích chuyên sâu về viễn cảnh AI có thể vượt con người trước năm 2027 trong bài dự báo AI vượt con người tới 2027, nơi trình bày kịch bản, hệ lụy và các điểm cần quan tâm.

Nếu bạn quan tâm tới các hiện tượng kỳ lạ và những bí ẩn lịch sử mà khoa học vẫn đang tìm lời giải, bài viết những thảm họa bí ẩn lịch sử sẽ dẫn dắt bạn qua các bằng chứng hiện trường và cách tiếp cận khoa học để hiểu sâu hơn.

Và nếu thị trường di động là mối quan tâm của bạn, bài phân tích về các tông màu rò rỉ của iPhone 18 Pro có thể giúp định hình quyết định mua sắm: tham khảo bài phân tích màu iPhone 18 Pro rò rỉ để biết ý nghĩa từng sắc và tác động tới lựa chọn người dùng.