最近很多朋友都在说，在使用心得ChatGPT6 Astra之后 tokens的额度直接不够用了，即使是 plus版本的ChatGPT用户，5分钟就没有额度了。
尤其是在操作blender的时候，在制造相关游戏的时候，我尝试过，也是反复等待额度恢复之后才完成的这个对波游戏使用。
普通的付费plus用户几乎不够用
我在知乎上，还用户将其制造了红警2，也有制造了其他的普通平面游戏，或者第一视角的CS。
可是在利用blender做真人游戏的时候，仍然还是有差距，比如有一点涉及到使用blender做威尔斯史密斯吃面，就发现和之前做AI动画的还原度效果差距巨大。
其实这就是因为astra本质上是大语言模型，并且缺乏世界数据。
现在ChatGPT的数据仍然来源于语言文本以及传统平面视频，虽然大家都在用普通摄像头在做数据更新以及标注，但和物理世界的触碰、深度等数据还是远远不够，相较于MR设备每天睁开眼睛都是在采集空间计算数据，而现在这些手机就则是效率非常慢了。
数据源不一样，标注的方式也不一样
相较于文本标注，世界模型的标注要求在有时间、距离、接触、以及面积
vision Pro这些空间计算设备和普通的AI眼镜或传感器区别巨大
vision Pro不仅知道几何数据、还有深度、位姿、手部关键、场景网格，这些数据如果开发者获得了后，可以重建3D世界并且度量第一视野下人在3D世界的变化。
现在世界模型是吃RGB视频，可以做预测下一帧画面的模型，比如洗碗的动作看起来是在洗碗，但是真实提及、水会不会泼、以及手和碗接触的面基对不对，他并不知道。
普通眼镜是没有标签的，比如指尖相差了几毫米、以及握力大概多少，物体6DOF怎么变，是成功接触还是插肩而过，是传统RGB摄像头并不知道的。
举个例子，在同一段家务工作里， MR眼镜与普通RGB摄像头数据差异在下面这里
在空间计算头显，开发者可以得到：
水槽、水龙头、沥水架的度量网格
碗的大致尺寸和台面高度
双手 25 个关节左右的时间序列
头和眼先看碗还是先看空位
遮挡发生时仍可用网格补几何
全程在同一个世界坐标系里
而在普通眼镜 / 传感器大致得到：
第一人称 RGB
水声、碗碰撞声
头部加速度
事后估一个大概手部框或 2D 关键点
比如现在京东正在宿迁的joyegocam数据采集活动，这些设备数据集并不包含手指、网格数据，只能建设视觉世界模型，而不是建设空间世界模型。虽然也是作为机器人建设的数据中心，但是我认为只是杯水车薪。
因为MR的眼镜出货量会接下来逐步上亿，并且会成为机器人数据的标准采集，直接会解决掉所有现场的数据采集线下实验区域。
也就是这个原因，导致现在这些凡是有接触物理、以及头是扫描、接触面的时刻，同时也没有办法让LLM没有的标注。
所以MR眼镜普及之后，才会有这些数据完成标注，才能够真的自动化操作这部分动作达到与3D世界一样的效果
今天的分享就在这里。
找我交流与合作 空间计算与脑机接口系统开发
题图来自 Unsplash ，基于 CC0 协议， 如有侵权，请联系pmtalk123删除
“分享产品经理改变世界的点滴”
产品顾问｜ 产品咨询｜培训合作
请添加微信PMxiaowanzi
最近我的原创
每日案例拆解库，AI等产品打卡群
我创建的产品设计打卡社群，加入后365天，每天体验一款APP。提升产品设计能力， 同时有1300份体验报告帮助你找到竞品
在这里你可以随时查询到你想找的各类竞品行业APP，无须自己亲自下载就可以马上得到APP的一手产品优化、交互设计、功能描述信息。
从优化&建议、商业模式、运营、功能描述、交互设计、产品定位至少6个维度，体验一款应用。
平均1天1块钱，扫码购买即可加入
连续体验48款应用，通过后原路退回
报名后添加星球助理
PMTalk123
热门跟贴