Unity в октябрьском обзоре Industry 2026 показала экспериментальные AI Workflows: агент может собрать цепочку подготовки 3D-данных в Asset Manager, Asset Transformer и Pipeline Automation по описанию задачи. Для бизнеса это не повод отдавать производственный контур «на автопилот», а повод пересмотреть самую дорогую часть интерактивного проекта: путь от CAD и разрозненных 3D-файлов до работающей сцены.
Что анонсировала Unity
30 октября Unity опубликовала обзор Unity Industry за 2026 год. В нём компания описала Industry AI Workflows как экспериментальную возможность: подключённый агент получает задачу на естественном языке и формирует процесс в инструментах управления и трансформации 3D-активов. В примере Unity речь идёт о STEP-файле: импортировать его, исправить, оптимизировать, сделать QA-рендер, экспортировать, опубликовать, проставить теги и версии.
Слово «экспериментальная» здесь важно. Unity не обещает, что любая модель без участия специалиста станет корректным ассетом для тренажёра, веб-конфигуратора или цифрового двойника. Новость полезна другим: вендор признаёт, что подготовка 3D-данных стала отдельным производственным процессом, а агенту можно поручить повторяемые операции внутри заданных правил.
Почему узкое место часто находится до разработки
Заказчик передаёт CAD, рендеры или архив моделей и ожидает быстрый запуск XR-сцены. Но инженерный файл обычно хранит больше геометрии и служебной информации, чем требуется устройству реального времени. Его нужно разобрать, облегчить сетку, настроить материалы, уровни детализации, коллизии, названия объектов и правила сборки. Для каждого целевого канала набор ограничений свой: VR-тренажёр, WebGL-страница, тач-панель на стенде и промышленный HMI предъявляют разные требования к памяти, кадровой частоте и управлению.
Именно на таком участке у AI-агента есть рабочая роль. Он может выполнить серийный импорт, применить согласованные правила именования, найти нарушения бюджета полигонов, подготовить набор превью и собрать отчёт. Эксперт не исчезает из процесса: он определяет допустимые правила, проверяет результат и решает, готова ли сцена к выпуску.
Где это можно применить уже сейчас
Каталог оборудования и B2B-конфигуратор
Если у производителя десятки модификаций, подготовка облегчённых моделей для сайта или интерактивного стола быстро становится рутинной. Команда может формализовать входные форматы, лимиты и набор обязательных ракурсов. Агентная часть обрабатывает поток, а дизайнер и 3D-специалист принимают визуальный результат. Дальше модели используются в WebGL и веб-разработке, приложении или на выставочном киоске.
XR-тренажёр и рабочая инструкция
Для VR-тренажёра важны не все узлы модели, а детали, с которыми взаимодействует обучаемый. Повторяемая подготовка помогает быстрее собрать базовую сцену, но учебная логика, безопасность и обратная связь всё равно проектируются вместе с методистом и предметным экспертом. В качестве публичного примера такого подхода у LikeVR есть VR-тренажёр управления дронами, где практику можно перенести из риска в контролируемую среду.
Цифровой двойник и тестирование сценариев
Свежие материалы NVIDIA по OpenUSD и Isaac Sim описывают похожую логику: агент подготавливает и проверяет сцену для симуляции, а критериями служат физика, сенсоры и валидация. Для бизнеса это применимо к планированию пространства, роботизированным операциям, визуализации логистики и техобслуживания. Модель для презентации и модель для симуляции не равны, поэтому их нельзя смешивать в одном ТЗ.
Как построить пилот без лишней автоматизации
- Выберите один повторяемый поток. Например, подготовку моделей одной линейки оборудования для веб-каталога или одного модуля тренажёра.
- Зафиксируйте критерии. Формат на входе, лимиты геометрии и текстур, нужные устройства, обязательные ракурсы, правила именования и критерий «готово».
- Разделите роли. Агент выполняет разрешённые операции; 3D-специалист и разработчик утверждают сцену; владелец данных даёт доступ только к нужным источникам.
- Проверьте выпуск на целевой площадке. Не только в рендере, но и на нужном шлеме, браузере, киоске или промышленном экране.
В пилоте полезно измерять время подготовки одной единицы контента, число возвратов на доработку и долю сцен, которые прошли техническую проверку с первого раза. Такие метрики честнее, чем общее обещание «ускорить работу с помощью AI».
Что нельзя делегировать агенту без правил
Нельзя автоматически публиковать результат, если не определены права на исходные CAD-данные, требования к конфиденциальности, допустимые облачные сервисы и ответственное лицо за приёмку. В проектах с промышленными данными заранее согласуют, где хранятся файлы, какие версии доступны агенту и какие логи сохраняются. Отдельный вопрос, можно ли использовать исходники для обучения внешних моделей: ответ должен быть закреплён в политике компании и договоре.
Технические правила тоже нельзя оставлять «на глаз». Без них агент способен создать аккуратную картинку, которая окажется слишком тяжёлой для браузера, не будет иметь коллизий или потеряет важный смысловой объект при оптимизации.
Как LikeVR может применить подход в проекте
LikeVR может начать с аудита исходных 3D-материалов и целевого сценария, затем подготовить регламент обработки, настроить realtime-ассеты и собрать интерактивный продукт. Это может быть 3D-визуализация, WebGL-конфигуратор, VR-тренажёр, AR-инструкция или мультимедийная инсталляция. Если проекту нужен поиск по технической документации или распознавание объекта, контур дополняют AI/ML-разработкой и компьютерным зрением.
Релевантные кейсы LikeVR: XR-визуализация двигателя Nissan, интерактивная 3D-карта с AR-порталами для Husmann и AI-киоск с голосовыми промптами. В каждом из них ценность создаёт не отдельная технология, а связка контента, интерфейса и понятного действия пользователя.
Обсудить пилот с LikeVR можно, начав с одного типового файла, площадки запуска и метрики, которую необходимо улучшить.
Вопросы и ответы
Можно ли поручить AI-агенту подготовку CAD-модели для VR?
Можно автоматизировать часть повторяемой работы: импорт, оптимизацию по правилам, проверку параметров и подготовку превью. Готовность модели к VR подтверждает специалист после теста на целевом устройстве.
Подойдёт ли один и тот же 3D-ассет для WebGL, VR и цифрового двойника?
Обычно нет. У сценариев отличаются лимиты производительности, интеракции, физика, сенсоры и требования к визуализации. Разумнее вести общую исходную базу и выпускать версии для каждого канала.
Какие данные нужны для первого пилота?
Достаточно одной типовой модели или сцены, описания целевого устройства, технических ограничений и назначенного эксперта для приёмки. Не нужно сразу отдавать агенту весь архив CAD.
С чего начать внедрение AI в 3D-производстве?
С узкой операции, где сейчас есть ручная повторяемая работа и измеримый результат. Сначала фиксируют правила и проверку, затем расширяют поток только после устойчивого качества.
Источники
