主要观点：Niantic 利用玩家贡献的公共实景扫描来构建大型地理空间模型（LGM），该模型可用于多种领域，如 AR 体验等。人类有空间理解能力，而机器在这方面困难，LGM 是 AI 模型的下一个前沿。Niantic 的 VPS 已训练超 5000 万个神经网络，有 1000 万扫描地点，还在构建新型神经地图。LGM 能整合全球局部知识，实现从局部到共享理解的转变，类似人类感知世界，MicKey 研究证明了其潜力。LGM 不仅用于定位，还能编码多种信息，与其他基础模型互补，是 AI 进化的一步，在多个领域有广泛应用。
关键信息：

• Niantic 用玩家扫描构建 LGM，此扫描可选且需在公共可访问地点点击。
• 人类有空间理解能力，机器在可视化和推断场景方面有困难，LGM 是 AI 下前沿。
• Niantic 的 VPS 训练大量神经网络，有 1000 万扫描地点和每周 100 万新扫描。
• LGM 能整合全球局部知识，实现从局部到共享理解的转变，如对教堂的理解。
• MicKey 研究证明 LGM 的潜力，其能处理不同视角的图像。
• LGM 不仅用于定位，还能编码多种信息，与其他基础模型互补，在多个领域有广泛应用。
  重要细节：
• LGM 类比大型语言模型（LLM），用大量原始数据构建，能感知、理解和导航物理世界。
• Niantic 的 VPS 用单张手机图像通过 3D 地图确定位置和方向，数字内容可精准放置在物理环境中并共享。
• 现有神经地图是可行的 LGM 部分，但其缺乏全球覆盖，LGM 能整合全球知识。
• 早期计算机视觉研究曾尝试硬编码规则，现在认为需大规模机器学习实现高理解度，Niantic 有独特优势。
• 不同基础模型将相互补充，LGM 是迈向空间计算未来的一步，随 AR 眼镜普及，将依赖物理和数字融合的系统。