Niantic Spatial utiliza 30 mil millones de imágenes de Pokémon Go para su tecnología de navegación con IA

Niantic Spatial, una empresa creada como escisión de Niantic, el desarrollador de Pokémon Go, en mayo de 2025, utilizó miles de millones de imágenes del mundo real capturadas por millones de jugadores para desarrollar tecnologías de navegación con IA para robots de reparto y posiblemente drones militares. La compañía entrenó su modelo con 30 mil millones de imágenes, en su mayoría de ubicaciones urbanas que los jugadores del juego tenían incentivos para visitar, según MIT Technology Review. Antes de la escisión, Niantic vendió sus juegos con licencia, incluidos Pokémon Go, al editor de videojuegos respaldado por Arabia Saudita Scopely, mientras que, por separado, anunció planes para usar las exploraciones de los jugadores y su app Scaniverse para construir un gran modelo geoespacial, un modelo 3D del mundo físico entrenado con imágenes geolocalizadas.

Niantic Spatial se escinde tras la venta de Pokémon Go

Niantic Spatial se convirtió en una empresa independiente en mayo de 2025 después de que Niantic vendiera sus juegos con licencia como Pokémon Go a Scopely. Antes de ese acuerdo, Niantic anunció públicamente planes para usar las exploraciones de millones de jugadores de Pokémon Go junto con datos capturados por usuarios de la app Scaniverse de la empresa para entrenar y desarrollar un gran modelo geoespacial. Las imágenes a menudo capturaban la misma ubicación desde muchos ángulos distintos con diferentes condiciones de iluminación y clima, y venían con metadatos valiosos que mostraban la ubicación y la orientación de los teléfonos de los usuarios cuando estaban capturando esas imágenes.

30 mil millones de imágenes entrenan modelos de IA de navegación

Después de escindirse como empresa independiente, Niantic Spatial entrenó su modelo con 30 mil millones de imágenes, en su mayoría agrupadas en ubicaciones del entorno urbano que se incentivaba a los jugadores a visitar, según MIT Technology Review. “Las exploraciones en tierra eran un componente para ayudar a entrenar los modelos de base del mundo real de Niantic Spatial: sistemas de IA que aprenden a reconocer e interpretar espacios físicos”, dijo a Ars un portavoz de Niantic Spatial. “Los modelos son el resultado de ese entrenamiento, no una copia ni un medio para acceder a las exploraciones subyacentes, que eran puntos de interés públicos como estatuas y fuentes”.

La empresa confirma exploraciones opcionales desde 2019

Las exploraciones en tierra “eran una función totalmente opcional en los juegos, donde los usuarios creaban un video corto de una ubicación pública”, dijo el portavoz de Niantic Spatial. “Hemos sido transparentes con el hecho de que las exploraciones mejorarían nuestra plataforma tecnológica desde 2019 en nuestra política de privacidad y anuncios públicos”. Las exploraciones incentivaron a los jugadores a capturar videos cortos de smartphone de vecindarios y puntos de referencia físicos a través del juego móvil de realidad aumentada.

FAQ

¿Cuándo se escindió Niantic Spatial de Niantic?
Niantic Spatial se escindió de Niantic, el desarrollador de Pokémon Go, en mayo de 2025, después de que Niantic vendiera por separado sus juegos con licencia, incluidos Pokémon Go, al editor de videojuegos Scopely, respaldado por Arabia Saudita.

¿Cuántas imágenes usó Niantic Spatial para entrenar sus modelos de IA?
Niantic Spatial entrenó su modelo con 30 mil millones de imágenes, en su mayoría agrupadas en ubicaciones del entorno urbano que se incentivaba a los jugadores a visitar, según MIT Technology Review. Las imágenes a menudo capturaban la misma ubicación desde muchos ángulos distintos con diferentes condiciones de iluminación y clima.

¿Qué aplicaciones admite la tecnología de Niantic Spatial?
Las tecnologías de navegación con IA desarrolladas por Niantic Spatial se utilizan para robots de reparto y posiblemente para drones militares. Un portavoz de la empresa señaló que las exploraciones en tierra ayudaron a entrenar modelos de base del mundo real: sistemas de IA que aprenden a reconocer e interpretar espacios físicos.