Rivian купила британский стартап Third Dimension, чтобы превратить видеоданные своих электромобилей в реалистичные 3D-сцены для обучения систем вождения. Симулятор для автопилота на основе реальных дорожных данных нужен компании не ради красивой графики: он должен ускорить разработку ассистентов водителя и будущей технологии для роботакси, которые Rivian планирует поставлять Uber.
Сделка произошла на фоне гонки, где автопроизводители соревнуются не только количеством камер и вычислительных блоков в машине, но и способностью быстро воспроизводить редкие, опасные и дорогие для проверки ситуации. По данным TechCrunch, условия покупки не раскрываются, а команда Third Dimension из 15 человек войдёт в подразделение Rivian по автономному вождению и ИИ под руководством Джеймса Филбина.
Не игровой движок, а дорожная лаборатория
Third Dimension основали в 2024 году Толга Карт и Пётр Сокульский — специалисты с опытом в игровой индустрии и разработке автономных транспортных систем. Стартап использует ИИ, чтобы по фотографиям и видеозаписям собирать правдоподобные трёхмерные модели окружающего мира. Первоначально технология задумывалась как способ ускорить создание игр, но основатели рассматривали также оборонные и автомобильные сценарии. Теперь у команды будет один заказчик и одна задача: автоматизированное вождение.
До покупки стартап успел привлечь $7 млн посевных инвестиций. Среди инвесторов — Abstract Ventures, MVP, Soma Capital и Solari Capital. Для Rivian ценность здесь не в размере команды, а в сочетании алгоритмов реконструкции мира с массивом уже собранных данных. Филбин также говорил TechCrunch, что сделка позволит расширить лондонский ИИ-хаб компании: большинство сотрудников Third Dimension находятся в Великобритании.
Обычный симулятор для автопилота часто строится на технологиях рендеринга и игровых движках. В него добавляют синтетические улицы, автомобили, пешеходов, разметку, погодные эффекты и десятки вариантов поведения участников движения. Проблема в том, что виртуальная сцена может быть убедительной для человека, но недостаточно точной для модели, которой нужно распознать предмет в тени, корректно оценить расстояние или выбрать безопасный манёвр в нестандартной ситуации.
Чем заметнее разрыв между виртуальной и настоящей дорогой, тем больше данных приходится загружать в обучающий контур, пытаясь компенсировать этот разрыв количеством примеров. Подход Third Dimension, судя по описанию Rivian, нацелен на обратную логику: сначала приблизить цифровой мир к физическому, а затем масштабировать сценарии. Это особенно полезно для редких событий — например, необычной конфигурации препятствий, сложного поведения другого водителя или сочетания плохой видимости с плотным трафиком. Ждать, пока такой кейс снова встретится на реальной дороге, — плохой план и для инженеров, и для календаря релизов.
400 тысяч дорожных последовательностей в день
Rivian утверждает, что получает более 400 тыс. последовательностей данных ежедневно от клиентского парка. Речь идёт об агрегированных и обезличенных записях с внешних камер автомобилей, владельцы которых включили передачу таких данных. Источником служат пикапы, SUV R1S, электрические фургоны доставки и SUV R2, находящиеся на дорогах. Для ИИ-команды это не просто архив роликов: каждая последовательность может подсказать, где система не уверена, какую сцену стоит разобрать детальнее и какой сценарий необходимо воспроизвести в симуляции.
С приобретением Third Dimension этот поток может стать сырьём для более близких к реальности 3D-миров. В теории инженер видит интересный эпизод на дороге, восстанавливает сцену, меняет положение объектов, освещение, траектории и плотность движения, а затем прогоняет через неё новую версию алгоритма тысячи раз. Именно так симулятор для автопилота превращается из витрины с нарисованным городом в инструмент непрерывной проверки: модель получает не только стандартные дорожные упражнения, но и контролируемые вариации реальных сложностей.
Для разработчиков систем компьютерного зрения сделка хорошо иллюстрирует смену акцента в индустрии. Доступ к данным по-прежнему важен, но сам по себе большой датасет не гарантирует быстрое улучшение продукта. Нужна инфраструктура, которая умеет отбирать полезные эпизоды, восстанавливать контекст, генерировать корректные варианты сцены и измерять, стала ли система безопаснее. Иначе компания собирает терабайты видео, а инженеры получают ещё один склад, который надо разбирать вручную.
Для бизнеса Rivian покупка означает попытку уменьшить главный расход автономной разработки — время между обнаружением проблемы и её проверкой. Реальные дорожные испытания остаются необходимыми: симуляция не заменит физический мир и его неприятную привычку ломать допущения. Но качественная виртуальная среда позволяет заранее отсеять слабые версии модели, проверить больше комбинаций и направить дорожные тесты туда, где они действительно нужны. Особенно это критично, если Rivian хочет одновременно развивать ассистенты для собственных машин и готовить технологию для роботакси-проекта с Uber.
В ближайшие месяцы важнее всего будет понять, насколько быстро 15 специалистов Third Dimension встроятся в контур Rivian и появятся ли измеримые результаты: более широкий набор проверяемых сценариев, ускорение итераций или новые функции помощи водителю. Покупка небольшой команды не делает беспилотные машины готовыми к любой улице, зато показывает, где проходит следующий конкурентный рубеж: между автопарком, который собирает данные, и системой, которая умеет превращать их в полезный цифровой мир. Подробнее о сделке и позиции руководителей можно прочитать у .
