Atlas من World Labs: عندما يتحول توليد الفيديو إلى فهم للمكان

تقدم World Labs نموذج Atlas بوصفه نموذج «عالم» متعدد الوسائط مخصصاً للذكاء المكاني. والفكرة ليست إنتاج مقطع فيديو يبدو مقنعاً فحسب، بل بناء تمثيل متماسك للمكان يمكن من خلاله تغيير موضع الكاميرا، إعادة بناء مشهد حقيقي أو محاكاة كيفية تغير البيئة مع الزمن. 9

يعمل Atlas، بحسب وصف الشركة، مع النصوص والصور والفيديو والمعلومات ثلاثية الأبعاد ضمن نظام واحد. وهذا يضعه في منطقة مختلفة عن مولدات الصور والفيديو التقليدية التي تركز غالباً على جعل كل إطار مقنعاً بصرياً على حدة. أما Atlas فيحاول الحفاظ على العلاقات بين الأجسام، وزوايا الرؤية والبيئة الأساسية أثناء تحرك الكاميرا.

كيف يعمل Atlas؟

تصف World Labs النموذج بأنه محوّل انتشار ذاتي الانحدار متعدد الوسائط جرى تدريبه من الصفر. ويربط Atlas المدخلات البصرية بمواقعها ضمن سياق مكاني مشترك، ثم يتنبأ بإطارات أو زوايا رؤية أو مخرجات ثلاثية الأبعاد جديدة تتوافق مع ذلك السياق. 9

يمكن للمستخدم تقديم صورة واحدة أو عدة صور مرجعية، إلى جانب معلومات عن الكاميرا أو مسار مصمم لحركتها. بعد ذلك يستطيع النموذج توليد المشهد من زوايا يحددها المستخدم، بما في ذلك أجزاء لم تظهر مباشرة في الصور الأصلية.

لكن هذه المناطق غير المرئية لا تُستعاد بوصفها قياسات فيزيائية مؤكدة؛ بل يستنتجها Atlas من الأدلة المتاحة ومن الأنماط البصرية التي تعلمها. ولهذا تبدو قدرته أقرب إلى إعادة بناء مرجحة ومقنعة منها إلى مسح هندسي مضمون.

وتتمحور قدرات النموذج حول وظيفتين مترابطتين:

• التوليد المشروط بالكاميرا: إنشاء صور أو فيديو مع التحكم في مكان الكاميرا ومسارها.
• إعادة البناء المكاني: استنتاج مشهد ثلاثي الأبعاد من مجموعة محدودة من الصور ثم توليد زوايا رؤية جديدة.

كما يُفترض أن يدعم هذا التمثيل المكاني محاكاة تغييرات في الإضاءة والحركة والخلفيات وترتيب الأجسام، وهي عناصر يمكن استخدامها لاحقاً في تطبيقات الروبوتات. 9

ماذا يستطيع Atlas توليده؟

تقول World Labs إن Atlas يدعم عدة أنماط من التوليد، منها:

• صور وفيديو متحكَّم في كاميرتهما انطلاقاً من صورة مرجعية واحدة أو عدة صور.
• صور موجهة بالنصوص.
• مشاهد بانورامية بزاوية 360 درجة.
• فيديو تصل مدته إلى دقيقة واحدة بدقة 1440p.

وتصف الشركة التحكم في الكاميرا بأنه «بكسلي الدقة»، في إشارة إلى أن مسار الكاميرا يدخل في صميم عملية التوليد، لا أنه مجرد تعديل يُضاف بعد إنتاج الفيديو. وقد يتيح ذلك إعادة تأطير لقطات موجودة، أو ابتكار حركات كاميرا افتراضية، أو إنتاج مشاهد من عدد قليل من المراجع البصرية. 9

القيمة العملية هنا هي التحكم. فالنص يحدد ما يفترض أن يوجد في المشهد، بينما تقدم الصور وهندسة الكاميرا أدلة عن مواقع الأجسام وطريقة رؤيتها. لذلك يستهدف Atlas المساحة الواقعة بين الفيديو التوليدي وسير العمل التقليدي في الإنتاج ثلاثي الأبعاد.

إعادة بناء ثلاثية الأبعاد من صور قليلة

تقول World Labs إن Atlas يستطيع إعادة بناء مشاهد من العالم الحقيقي اعتماداً على صورة واحدة إلى عشرات الصور. وتضيف الشركة أن صورتين أو ثلاثاً قد تنتجان نتائج وفية في كثير من الحالات، فيما يستطيع النموذج استيعاب أكثر من 100 زاوية عندما تكون الأولوية للدقة والوفاء بالمشهد، لا للاستنتاج من معلومات قليلة. 9

ومن المفترض أن تشمل المخرجات صوراً من زوايا جديدة وتمثيلات ثلاثية الأبعاد صريحة. أي أن النموذج لا يكتفي بإنتاج تسلسل يبدو صحيحاً من زاوية واحدة، بل يحاول تمثيل قدر كافٍ من المكان لتوليد مشاهد إضافية منه.

مع ذلك، تظل هناك ملاحظة أساسية: عندما تكون الصور محدودة، يجب استنتاج الأسطح والأجزاء المحجوبة. وقد يبدو المشهد مقنعاً رغم أن النموذج أخطأ في جسم خلف جسم آخر، أو في قياس، أو في غرفة مخفية، أو في شكل سطح لا يظهر بالكامل. لذلك لا ينبغي الخلط بين الواقعية البصرية وإعادة بناء موثقة بمستوى المسح الهندسي.

ماذا تقول نتائج الاختبارات؟ وماذا لا تثبت؟

تقول World Labs إن Atlas يتفوق على نماذج متخصصة متقدمة في إعادة البناء ثلاثي الأبعاد ضمن تقييمات الشركة. وتركز مواد الإطلاق على نتائج كمية في مهمتي التوليد المشروط بالكاميرا وإعادة البناء ثلاثي الأبعاد، مع الإشارة إلى أن اختباراً واحداً لا يمكنه قياس نطاق قدرات النموذج كاملاً. 9

هذه نتائج مهمة بوصفها نتائج أعلنتها الشركة، لكنها لا تساوي تحققاً مستقلاً. فالمواد المتاحة هنا لا تتضمن حزمة تقييم كاملة قابلة لإعادة الإنتاج، تشمل جميع بروتوكولات البيانات، ودرجات كل نموذج، وهوامش عدم اليقين، وأوزان النموذج، وتكرارات من جهات خارجية. لذلك ينبغي قراءة أفضلية Atlas باعتبارها ادعاءً من World Labs، لا نتيجة محسومة في الصناعة. 9

وتحتاج قدرات النموذج إلى اختبارات إضافية خصوصاً في الحالات التالية:

• مسارات الكاميرا الطويلة والمعقدة.
• الأجزاء المحجوبة أو الغامضة من المشهد.
• الدقة المترية والقياسات الهندسية.
• الاتساق عبر مقاطع فيديو طويلة.
• دقة الاصطدام والتفاعل الفيزيائي.
• انتقال البيئات المحاكاة إلى روبوتات حقيقية، أو ما يعرف بمشكلة «المحاكاة إلى الواقع».

ما علاقة Atlas بـ Marble؟

يُعد Marble المنتج الموجه للمستخدمين لدى World Labs لإنشاء عوالم ثلاثية الأبعاد مستمرة وقابلة للاستكشاف. ويمكنه استقبال النصوص، وصورة واحدة أو عدة صور، والفيديو، والبانوراما، وهياكل ثلاثية الأبعاد أولية، ثم إنتاج عوالم يمكن للمستخدم استكشافها واستخدامها في أعمال لاحقة. 6

أما Atlas فهو النموذج الأحدث الذي يقف خلف هذه الاستراتيجية، وليس مجرد اسم جديد لميزة في Marble. وتقول World Labs إن Atlas سيشغل الإصدارات المستقبلية من Marble ومنتجات أخرى للشركة. 9

بعبارة أبسط: يوفر Atlas نموذجاً مكانياً أكثر عمومية، بينما يبقى Marble البيئة الأسهل للمستخدمين لإنشاء العوالم المستمرة وعرضها. وتوضح وثائق Marble أن العوالم يمكن إنشاؤها من النصوص والصور والفيديو، ثم استكشافها واستخدامها في مسارات عمل أخرى. 6

World API وإتاحة النموذج للمطورين

أطلقت World Labs World API كواجهة عامة لإنشاء عوالم ثلاثية الأبعاد قابلة للاستكشاف من النصوص والصور والبانوراما والمدخلات متعددة الزوايا والفيديو. وتصف الوثائق سير عمل يرسل فيه التطبيق طلب إنشاء، ثم يسترجع العالم بعد اكتمال التوليد. 83

وهذا يختلف عن إتاحة Atlas نفسه بوصفه نموذجاً قابلاً للتنزيل أو نموذجاً محلياً يعمل في الوقت الفعلي. فالوثائق المتاحة تركز على إنشاء العوالم واسترجاعها بطريقة غير متزامنة، ولا تثبت وجود نقطة وصول عامة إلى Atlas، أو أوزان محلية، أو خيار للاستدلال الفوري على جهاز المستخدم. 389

لذلك فإن الواجهة العامة الموثقة للمطورين حالياً هي Marble وسير عمل إنشاء العوالم عبر World API، وليس بالضرورة كل قدرات Atlas التي عرضتها الشركة في إعلانها البحثي.

الاستخدامات التي تستهدفها الشركة

المؤثرات البصرية

قد يساعد التحكم في الكاميرا الفنانين على إعادة تأطير اللقطات، وابتكار حركات كاميرا افتراضية، وإنتاج مشاهد من عدد محدود من المراجع. والميزة الأساسية هنا هي التنوع المكاني القابل للتحكم، لا مجرد توليد إطار منفرد. 9

ألعاب الفيديو

يركز Marble بالفعل على البيئات المستمرة القابلة للاستكشاف. ويمكن لـ Atlas توسيع هذا الاتجاه عبر منح مصممي الألعاب نموذجاً يولد المشاهد أو يعيد بناءها مع الحفاظ على زوايا الرؤية والعلاقات المكانية. 69

التصميم والتصور

قد تستخدم فرق الهندسة والعمارة والتصميم الإبداعي النصوص والصور والمراجع الأخرى لاستكشاف أفكار مكانية قابلة للتنقل. وقد يجعل التحكم في زاوية الرؤية مراجعة المفهوم وتعديله أسهل من الاعتماد على مجموعة من الصور المنفصلة. 69

الروبوتات

تطرح World Labs أيضاً سيناريو «من الواقع إلى المحاكاة»: إنشاء بيئات محاكاة من تسجيلات عادية، وتوليد مشاهد RGB وعمق من منظور الروبوت، ثم تغيير الأجسام والإضاءة والحركة والخلفيات لتدريب الروبوتات على الملاحة والمناولة. 9

غير أن الواقعية البصرية وحدها لا تثبت أن البيئة تتمتع بفيزياء دقيقة أو أبعاد موثوقة أو أداء كافٍ عند نقل التدريب من المحاكاة إلى العالم الحقيقي. وهذه ادعاءات تحتاج إلى تقييمات متخصصة لكل مهمة.

ماذا نعرف عن التمويل والاستحواذ على SceniX؟

يرتبط توجه World Labs نحو الروبوتات ومحاكاة البيئات أيضاً باستحواذها على شركة SceniX، وفق تقارير عن الصفقة، في إطار تطوير نماذج العالم والتعلم للمهام الروبوتية.

كما تشير تقارير خارجية إلى أن World Labs جمعت 1.23 مليار دولار عبر جولتي تمويل منذ خروجها من العمل في الخفاء. لكن حجم التمويل لا يثبت وحده أن Atlas حقق محاكاة فيزيائية بمستوى الإنتاج، ولا يحسم سرعة النموذج أو تكلفته أو جاهزيته التجارية.

الإتاحة والسعر والأسئلة المفتوحة

لا تقدم مواد الإطلاق Atlas باعتباره متاحاً على نطاق واسع حتى الآن. وتجمع World Labs طلبات الوصول المبكر، في حين يظل Marble وWorld API الخيارين العامين الموثقين. 98

ولا تكشف المعلومات التي جرى استعراضها عن بطاقة أسعار قياسية لـ Atlas، أو حجم النموذج، أو بيانات التدريب، أو البنية العتادية، أو زمن الاستدلال، أو معدل المعالجة، أو تكلفة التوليد لكل عالم أو فيديو. 9

وتهم هذه التفاصيل أي جهة تفكر في استخدام Atlas ضمن منتج فعلي. فالعرض التوضيحي المثير للإعجاب لا يوضح ما إذا كان سير العمل منخفض التكلفة عند التوسع، أو سريعاً بما يكفي للتفاعل المباشر، أو قابلاً للتكرار عبر عدد كبير من المشاهد.

الخلاصة

يمكن فهم Atlas باعتباره محاولة من World Labs لجمع توليد الفيديو، وإعادة البناء ثلاثي الأبعاد ومحاكاة البيئات المكانية في نموذج متعدد الوسائط واحد. وتتمثل فكرته الأبرز في جعل موقع الكاميرا والسياق ثلاثي الأبعاد مدخلين أساسيين، بدلاً من التعامل مع كل إطار مولد كصورة مستقلة.

القدرات التي أعلنتها الشركة طموحة: توليد الصور والفيديو مع التحكم بالكاميرا، إعادة بناء المشاهد من زوايا محدودة، إنتاج تمثيلات ثلاثية الأبعاد، وربما دعم محاكاة الروبوتات. لكن Atlas، وفق المواد المتاحة، ما يزال في مرحلة الوصول المبكر. وإلى أن تتوفر تقييمات مستقلة وبيانات عن السعر والسرعة والدقة الفيزيائية، فمن الأفضل التعامل مع وعوده باعتبارها اتجاهاً بحثياً ومنتجياً واعداً، لا أداءً إنتاجياً ثبت بشكل مستقل.