Авторизация
Сброс пароля
Внедрение AI-распознавания костей, или как real-time система позволила запустить новую механику
Заказчик: Название по NDA
Разработали real-time AI-систему распознавания игральных костей для новой механики в казино: три синхронизированные камеры, нейросети для детекции и классификации, majority-валидация результата и интеграция с SAS. Точность — 99%, ошибок в эксплуатации — 0.
Агентство-исполнитель кейса
LP Agency
Мы беремся за финансово-критичные системы, где нет права на ошибку: обучаем нейросети под реальные условия — блики, отражения, синхронизацию камер — и валидируем каждый результат через majority-голосование. Итог — 99% точности и ноль ошибок в промышленной эксплуатации.
1. Вводная задача от заказчика, проблематика, цели
Целью проекта было создание совершенно новой игровой механики для казино: в игровой башне физически выпадают кости, и система должна была в реальном времени зафиксировать результат броска, распознать номиналы выпавших костей, определить итоговую комбинацию, рассчитать коэффициент выигрыша, передать результат в игровой SAS-модуль и вывести итог на экран для игрока.
Ключевое требование заключалось в том, что распознавание должно происходить мгновенно и полностью без ошибок, поскольку результат работы системы напрямую влиял на финансовые расчёты выигрышей игроков. По сути, речь шла не о вспомогательном техническом инструменте, а о вычислительном ядре целой новой игры — компоненте, ошибка в котором означала бы прямой некорректный расчёт денежного выигрыша и, соответственно, финансовые и репутационные риски для заказчика.
2. Описание реализации кейса и творческого пути по поиску оптимального решения
Проект оказался нетривиальным сразу по нескольким причинам: системе предстояло работать в реальной физической среде — с бликами, стеклом и постоянно меняющимися углами падения света, — при этом корректно игнорировать отражения костей, синхронизировать данные от трёх независимых камер, обрабатывать результат в режиме реального времени и делать всё это без права на ошибку, поскольку распознавание напрямую влияло на финансовую логику игры.
Для повышения надёжности систему спроектировали с многократным резервированием: каждый бросок костей одновременно фиксировался тремя независимыми камерами, каждая запись обрабатывалась нейросетью отдельно и создавала свою собственную запись в базе данных, после чего результат проходил majority-валидацию — итог считался принятым только при совпадении минимум двух распознаваний из трёх, а в случае расхождения система фиксировала ошибку вместо того, чтобы выдать потенциально неверный результат. Такой подход существенно повысил надёжность системы по сравнению с распознаванием через одну камеру.
Ядром решения стал нейросетевой стек из трёх отдельных моделей — для детекции самих костей, распознавания их номиналов и классификации итоговой комбинации. Каждую модель проходили через полный цикл разработки: сбор датасета непосредственно в реальных условиях эксплуатации, разметку данных, аугментацию для повышения устойчивости к вариациям освещения и углов, обучение, оптимизацию под инференс на GPU и финальное стресс-тестирование перед выводом в промышленную эксплуатацию. Инференс моделей в итоге развернули на GPU-мощностях на стороне заказчика.
Отдельным слоем реализовали саму игровую логику — для основной игры на трёх костях и для суперигры на шести костях, запускаемой через отдельный 12-гранный кубик. Для каждой возможной комбинации — от одинаковых троек с высоким коэффициентом до различных сочетаний пар и разрозненных значений — прописали свои формулы расчёта множителя ставки, а результаты бросков в суперигре суммировались по заданным правилам. Финальная система полностью замкнула цикл: получала данные игрока из SAS-модуля, определяла игровой сценарий, распознавала физический результат броска, рассчитывала итоговый коэффициент выигрыша, передавала результат обратно в SAS и выводила визуализацию исхода на экран игрока.
3. Результаты сотрудничества
Внедрённая AI-система показала высокие эксплуатационные результаты: точность распознавания костей составила 99%, обработка каждого броска происходит в режиме реального времени с мгновенной задержкой, а за время промышленной эксплуатации не зафиксировано ни одной ошибки распознавания. Система корректно справляется с отражениями в стекле игровой башни и стабильно работает в реальной физической среде с бликами и переменным освещением.
В результате искусственный интеллект стал не вспомогательным инструментом, а полноценным вычислительным ядром новой игровой механики — финансово-критичной real-time-системой, которая напрямую участвует в расчёте выигрышей и обеспечивает надёжность всей игры. Заказчик получил возможность запустить принципиально новый игровой продукт, где физический бросок костей корректно и мгновенно преобразуется в финансовый расчёт без риска ошибок.
4. Заключение
Этот кейс — хороший пример того, как компьютерное зрение может стать не просто удобной автоматизацией, а критически важным ядром продукта, от точности которого напрямую зависят деньги. В отличие от многих AI-проектов, где ошибка модели означает лишь неудобство или необходимость повторной попытки, здесь любое неверное распознавание сразу же транслировалось бы в неправильный финансовый расчёт — это принципиально меняло требования к надёжности системы.
Именно поэтому ключевым архитектурным решением стало не стремление выжать максимальную точность из одной модели, а построение избыточной, отказоустойчивой системы: три независимые камеры, три отдельных распознавания и majority-валидация результата. Такой подход показывает зрелое инженерное мышление — вместо того чтобы полагаться на идеальность одной нейросети, система заранее закладывает механизм проверки самой себя и явно определяет, что делать в случае расхождения данных.
Не менее показательна и работа с реальными физическими условиями — бликами, стеклом, отражениями, — которые в лабораторных условиях часто недооценивают, но которые на практике становятся главным источником ошибок компьютерного зрения. Итоговый результат — ноль ошибок в промышленной эксплуатации при 99% точности — это не просто хорошая метрика, а прямое подтверждение того, что систему проектировали не для демо-версии, а для реальной эксплуатации в условиях казино, где цена ошибки измеряется в деньгах.
Агентство-исполнитель кейса
LP Agency
Мы беремся за финансово-критичные системы, где нет права на ошибку: обучаем нейросети под реальные условия — блики, отражения, синхронизацию камер — и валидируем каждый результат через majority-голосование. Итог — 99% точности и ноль ошибок в промышленной эксплуатации.