В основе лежит нейросетевая архитектура, которая одновременно решает две задачи: реконструирует геометрию стен, пола и потолка, а также определяет положение ключевых объектов внутри комнаты. В результате формируется компактное цифровое описание сцены, где зафиксированы ее форма и расстановка мебели или оборудования. Это избавляет от необходимости работать с громоздкими облаками точек, характерными для LiDAR-сканеров.
Особая ценность метода заключается в его гибкости. Он одинаково эффективно обрабатывает как простые фотографии без метаданных о положении объектива, так и более структурированные данные. Для описания сложной геометрии помещений авторы предложили новую математическую модель параметризации стен. Она использует минимальный набор переменных, что делает реконструкцию точнее и исключает ошибки вроде пересечения плоскостей там, где их быть не должно.
Эффективность подхода подтверждена на международных бенчмарках. По сравнению с аналогами система демонстрирует более высокую точность определения границ комнат и распознавания предметов при меньшей вычислительной нагрузке. Скорость обработки позволяет говорить о перспективе применения технологии в режиме реального времени.
«Нам важно было уйти от простого копирования реальности к созданию ее понятной семантической карты, – комментирует руководитель группы «Пространственный интеллект» AIRI и научный руководитель Центра ИИ МГУ Антон Конушин. – Теперь обычный смартфон может стать инструментом для полноценного 3D-анализа пространства».
Сферы применения охватывают создание навигации для автономных роботов, разработку реалистичных AR/VR-сцен, автоматизацию оценки недвижимости и инструменты для архитекторов. Проект был представлен на ведущей мировой конференции ICRA 2026 в Рио-де-Жанейро.
