Google merilis model dunia 4D dengan kecepatan hingga 300 kali lebih cepat dibanding SOTA.

Google DeepMind memperkenalkan D4RT (Dynamic 4D Reconstruction and Tracking), sebuah pendekatan baru yang mengubah cara AI memahami dunia yang bergerak.

Selama bertahun-tahun, rekonstruksi 4D dinamis bergantung pada pipeline yang rumit—optical flow, estimasi kedalaman, pose kamera, dan pemodelan objek bergerak—yang mahal dan rapuh.

D4RT meninggalkan pendekatan tersebut sepenuhnya.

Model ini menyatukan semua tugas ke dalam satu mekanisme kueri ruang-waktu, memungkinkan pelacakan piksel, estimasi kedalaman, dan rekonstruksi dinamis melalui satu antarmuka terpadu. Video dipahami secara global terlebih dahulu, lalu informasi apa pun dapat “ditanyakan” kapan saja.

Hasilnya, D4RT mencapai akurasi terbaik sekaligus inferensi 18 hingga 300 kali lebih cepat dibanding metode sebelumnya.

Memahami Dunia sebagai Struktur 4D

Keunggulan utama D4RT terletak pada kemampuannya menangani gerakan kompleks. Ia dapat memisahkan gerakan kamera dan objek, menjaga konsistensi geometris sepanjang waktu.

Setiap piksel dapat dilacak dalam ruang 3D melintasi waktu, bahkan saat terjadi occlusion. AI tidak lagi “melihat frame demi frame”, melainkan membangun model dunia empat dimensi yang utuh.

Mengapa Bisa Sangat Cepat

Peningkatan 300× mengacu pada throughput—jumlah trajektori 3D yang bisa diproses secara paralel. Dengan arsitektur berbasis kueri tunggal, D4RT mengubah masalah geometri serial menjadi komputasi paralel berskala besar.

Dampak Nyata

Walau mahal dalam pelatihan, D4RT membuka jalan baru bagi robotika, kendaraan otonom, dan augmented reality. Mesin kini dapat memahami bukan hanya posisi objek, tetapi juga pergerakannya di masa depan.

Ini menandai pergeseran besar: dari pengenalan gambar dua dimensi menuju pemahaman ruang dan waktu secara terpadu.