Alla timmar som spelare har lagt på att jaga Pokémon har gjort mer än att låsa upp nya figurer. Bilder, rörelsemönster och positioner har hjälpt företaget bakom spelet att bygga detaljerade 3D‑kartor av verkliga miljöer. Kartorna används nu för att träna självkörande robotar som levererar mat.
- Pokémon Go samlar in platsdata, bilder och rörelsemönster från spelare.
- Företaget bakom spelet bygger 3D‑kartor med hjälp av informationen.
- Kartorna tränar leveransrobotar som kör utan osäker gps.
- Matleverans kallas ”sista kilometern” och är dyr och svår att lösa.
- Liknande robotar rullar redan i Stockholm.
- Många techbolag använder användardata på liknande sätt.
Lästips: Nintendo till attack mot ett fan-skapat Pokémon-spel
Från mobilspel till matleveranser
Pokémon Go lanserades 2016 och blev snabbt en global succé. Spelet använder mobilens gps och kamera för att placera digitala figurer i verkliga miljöer. Spelare rör sig ute på gator och torg för att fånga dem.
Samtidigt samlar spelet in stora mängder information om omgivningen. Bilder och rörelser hjälper företaget Niantic att skapa avancerade 3D‑kartor. Nu samarbetar Niantic med Coco Robotics. Robotarna använder kartorna för att navigera i stadsmiljö utan att förlita sig helt på gps, som ofta ger fel signal i tätbebyggda områden.
Problemet med ”sista kilometern”
Transportbranschen kallar den sista sträckan fram till kundens dörr för ”sista kilometern”. Den delen kostar mycket pengar. Stora fordon fraktar varor effektivt mellan städer, men leveransen hela vägen hem till kunden kräver små fordon och mycket personal.
Små självkörande robotar löser problemet genom att rulla sista biten på egen hand. Flera bolag utvecklar liknande lösningar. Foodora införde leveransrobotar i Stockholm förra året. Teknikreportern Emil Hellerud tror att robotarna blir ett vanligt inslag i stadsbilden, ungefär som elsparkcyklar som snabbt blev en del av vardagen.
Lästips: Nintendo gör fysiska spel mycket dyrare än digitala på Switch 2
Du tränar redan AI – ofta utan att tänka på det
Pokémon Go är långt ifrån ensamt. Sociala medier som Meta och Tiktok använder innehåll som användare publicerar för att träna sina AI‑system. Tesla använder kameror i sina bilar för att förbättra självkörande funktioner. Bilderna hjälper företaget att utveckla sina modeller.
Ett tydligt exempel är reCAPTCHA. När en webbsida ber dig klicka på alla bilder med övergångsställen eller bussar tränar du samtidigt Googles bildigenkänning. Många upplever att företag utnyttjar användare som gratis arbetskraft.
Samtidigt kräver AI enorma mängder träningsdata. Alternativet är ofta att människor manuellt märker upp bilder och information, ofta i låginkomstländer. Tekniken känns automatisk, men människor står bakom mycket av arbetet.
Utvecklingen visar hur värdefull vardaglig användardata har blivit. Spel, sociala medier och enkla säkerhetskontroller driver numera utvecklingen av nästa generations AI och robotar.
