Вы говорите, что хотите
Запрос на естественном языке описывает желаемое изменение.
Interacțiune vizuală & agenți Demonstrator de cercetare
World Agent — это демонстратор для взаимодействия на естественном языке с визуальной сценой. Мы исследуем связь между беседой, состоянием объекта и видимыми действиями в 3D-среде.

World Agent
Запрос на естественном языке описывает желаемое изменение.
Запрос связывается с действиями, доступными в демонстраторе.
Визуальная среда обновляется, а шаги можно отслеживать.
Исследование объекта и его опций через разговор.
Связь между командами пользователя и навигаемой сценой.
Оценка визуального runtime перед коммерческими интеграциями.
Сцена и каталог демонстратора концептуальны. Мы не представляем интеграцию CRM или генеративную модель мира как подключенные в этой версии.
World Agent в деталях
World Agent отвечает на вопрос интерфейса: что меняется, если вместо нажатия на кнопки вы говорите, чего хотите, и сцена меняется перед вами? Вы говорите, а машина в сцене меняет цвет, диски, окружение, погоду, время, угол камеры, двери и багажник.
Интересно не то, что он понимает команду, а то, что каждое изменение оставляет след, который показывает, откуда оно пришло: из каталога, из команды пользователя, из творческого слоя или из системы. Слой тумана на альпийском маршруте помечен как «визуальная симуляция»; цвет из палитры из четырех элементов помечен как «каталог». Пользователю не нужно угадывать, что реально, а что декор.
На диске есть три каталога с похожими названиями; два из них — `world-agent-v2` и `world-agent-provenance-atlas` — не отдельные проекты, а рабочие git-копии одного и того же репозитория. Реальная версия — `world-agent` на ветке `main`, которая сегодня содержит переформулировку V2 «World Generator» и идентична бит в бит ветке `v2/world-generator`.
Около 22 правил сопоставления по румынскому тексту переводят фразу в типизированное изменение состояния. «Сделай машину белой и поставь спортивные диски» задействует два правила и создает два отдельных события. Это не языковая модель: это код, который выполняется в браузере, каждый раз дает один и тот же результат и может быть прочитан построчно.
Распознавание речи использует `webkitSpeechRecognition` в браузере с языком, зафиксированным на `ro-RO`. Там, где интерфейса нет — или пользователь предпочитает клавиатуру — строка команды остается функциональной, с теми же правилами. Мы никуда не отправляем аудио.
Транспортное средство, процедурно построенное из примитивов Three.js (кузов, кабина из стеклянной капсулы, четыре колеса с дисками, фары, двери, багажник), на подиуме с кольцом, сеткой и тремя источниками света. Рендеринг с tone mapping ACES Filmic, ограничением пиксельного соотношения до 1,75 и полным отключением анимации, когда система запрашивает меньшую подвижность.
Каждая мутация состояния создает событие с одной из четырех меток: Catalog, User command, Creative layer или System. Метка «Creative layer» отображается буквально как «Креативный / симулированный слой». Карточка предложения появляется с деталью «Фиктивные данные отмечены — не является коммерческим предложением».
Существует нормализованный runtime с восемью визуальными инструментами (`visual.inspect`, `visual.highlight`, `visual.move`, `visual.create`, `visual.delete`, `world.query`, `ui.navigate`, `ui.open_panel`) и журналом событий с номерами ревизий мира. Вызов с устаревшей ревизией отклоняется с `STALE_REVISION`; повторный вызов с тем же `actionId` возвращает исходную квитанцию, помеченную как повтор. Голосовой адаптер сам сообщает `NOT_CONNECTED` — контракт реализован, поставщик не подключен.
Шесть полос, каждая со своим заявленным статусом: документированный API для интеграции, открытые исполняемые компоненты, открытое исследование для оценки, поставщик для контакта, исследовательский предпросмотр без публичного API и одна полоса, помеченная как заблокированная для ЕС, где рассмотренные лицензии не разрешают запуск. Genie 3 прямо находится в категории исследовательского предпросмотра — не интеграции.
Данные и работа
От исследования к внедрению
Настраиваемый физический продукт, пространство, оборудование. Отправной вопрос — какое решение принимает посетитель после того, как видит сцену.
Начинают со списка безопасных действий, а не со списка фраз. Для каждого действия задаются языковые правила, которые его запускают, на языке аудитории, и корректная метка происхождения.
Валидные запросы — самая простая часть. Тестируют неоднозначные запросы, те, что вне сценария, и те, что объединяют несколько действий, чтобы ответ «я не могу этого сделать, но могу вот это» был полезным.
Результат — статический пакет, обслуживаемый nginx на собственном сервере, с сертификатом Let's Encrypt и возможностью отката к предыдущей версии путем изменения символической ссылки. Ему не нужен server process.
Только один: `world-agent`, на ветке `main`. `world-agent-v2` и `world-agent-provenance-atlas` — это git worktree одного и того же репозитория, используемые для того, чтобы одновременно существовало несколько вариантов дизайна. `main` и `v2/world-generator` сегодня на одном и том же commit, значит «вариант V2» — не другой проект, а то, что запущено.
Нет. Это движок сцены: объекты и действия существуют заранее, а команда выбирает среди них. Genie 3 появляется в нашем реестре движков точно с его реальным статусом — исследовательская превью-версия, без публичного API для запуска, без опубликованных весов. То, что мы делаем вместо этого, менее зрелищно и легче гарантируется: одна и та же команда дает один и тот же результат, а каждое изменение имеет метку происхождения.
Нет, и это осознанный выбор. Компилятор — это набор примерно 22 правил сопоставления по румынскому тексту, выполняемых в браузере, которые производят типизированные изменения состояния. Плюс: он детерминирован, ничего не стоит за запрос, не отправляет текст никуда и может быть проверен построчно. Минус: словарь конечен, и когда запрос выходит за его пределы, система сообщает об этом вместо того, чтобы импровизировать.
На распознавании речи в браузере — `webkitSpeechRecognition`, с фиксированным языком `ro-RO`. Это, по сути, браузеры на движке Chromium. В остальном текстовая строка делает ровно то же самое, с теми же правилами: голос — это удобство, а не зависимость.
Нет, и это прямо помечено в самом событии, которое их показывает: «Фиктивные данные отмечены — это не коммерческое предложение». Нет интеграции с каталогом производителя или с системой цен. В реализации для клиента источником цены была бы его система, а метка происхождения изменилась бы с «Demo Catalog» на реальный источник.
Не в этой сборке. Коннекторы показаны в интерфейсе с меткой NOT CONNECTED, а контракт инструментов существует, но адаптер поставщика сам сообщает `NOT_CONNECTED`. Однако уже написана тяжёлая часть: восемь типизированных визуальных инструментов, номера ревизии мира, отклонение при устаревшей ревизии и идемпотентные квитанции — то есть именно те защиты, которые нужны, чтобы агент не применил дважды одно и то же действие поверх состояния, которое к тому моменту изменилось.
Да, при той настройке, что описана выше: сцена, список разрешённых действий и правила языка переписываются под соответствующий объект. Переиспользуется архитектура — детерминированный компилятор, rail происхождения, контракт инструментов и дисциплина ревизии состояния.
Показательный пример
Сценарий использования, без данных клиента или приписанных коммерческих результатов.
Посетитель произносит или пишет фразу в строке команды.
Текст проходит через правила сопоставления на румынском: «alpi» активирует альпийскую среду, «noapte» меняет время, «ploa» активирует слой дождя. Каждое правило создаёт отдельное событие со своей меткой происхождения, а сцена Three.js соответственно перестраивает камеру, туман и цвет фона.
Сцена меняется сразу, и в боковом rail появляются три записи: «Составная среда — Креативный / симулированный слой — Альпийский маршрут», «Симулированное время — Креативный / симулированный слой — Ночное освещение» и «Симулированная погода — Креативный / симулированный слой — Активный слой дождя». Агент отвечает, что применил 3 изменения и сохранил источник каждого из них. Ни одна запись не утверждает, что это реальные данные.
Ce este necesar:Un browser cu WebGL. Pentru comandă vocală, un browser pe motor Chromium; altfel bara de text face același lucru.
Возможности сотрудничества
Подключение авторизованных источников, организация информации и проверка действий командой, с отдельным доступом по ролям.
Мы определяем пилот вокруг реального процесса: пользователи, данные, интеграции, затраты и критерии приемки. Масштабирование следует после оценки результата.
Мы устанавливаем требования к доступности, размещению, защите данных и совместимости. Любое соединение с сервисами AGE или STISC требует проверки соответствия, доступа и утверждений.
Это сценарии адаптации, а не заявления о существующих контрактах или партнерствах. Предлагаемые функции подтверждаются в рабочей области проекта.
Обсудить пилотМы разрабатываем 3D-представления города, которые объединяют рельеф, карты и данные о застроенном пространстве.
Prototip & cercetareДоступ по API к моделям ИИ через общий интерфейс.
PlatformăGrai — наше исследовательское направление в синтезе речи и моделях, приспособленных к языкам, на которых здесь говорят.
Cercetare & dezvoltareРасскажите о своём процессе. Вместе определим, что стоит построить, что можно подключить и как проверим результат.