Atlas von World Labs: Was das KI-Modell für 3D-Rekonstruktion und Robotik leisten soll

Kurz erklärt: Was ist Atlas?

World Labs beschreibt Atlas als ein „Omni World Model“ für räumliche Intelligenz. Gemeint ist ein einziges KI-System, das Text, Bilder, Videos und 3D-Informationen nativ verarbeiten soll. Das Ziel geht über einen überzeugenden Videoclip hinaus: Atlas soll Bilder und Videos aus kontrollierten Blickwinkeln erzeugen, reale Szenen in 3D rekonstruieren und vorhersagen, wie ein Raum aus einer anderen Kameraposition aussehen könnte. 9

Der entscheidende Unterschied zu vielen herkömmlichen Bild- und Videomodellen liegt laut World Labs in der räumlichen Konsistenz. Statt jedes Einzelbild möglichst plausibel zu gestalten, soll Atlas die Beziehungen zwischen Objekten, Kamerapositionen und der zugrunde liegenden Umgebung über eine Kamerabewegung hinweg beibehalten.

Wie Atlas funktionieren soll

World Labs bezeichnet Atlas als einen multimodalen, autoregressiven Diffusion Transformer, der von Grund auf vortrainiert wurde. Das Modell verknüpft visuelle Eingaben mit ihrer Position in einem gemeinsamen räumlichen Kontext. Anschließend erzeugt es neue Einzelbilder, Perspektiven oder 3D-Ausgaben, die zu diesem Kontext passen sollen. 9

Nutzer können ein oder mehrere Referenzbilder sowie Kamerainformationen oder eine geplante Kamerafahrt vorgeben. Atlas rendert dann gewünschte Ansichten – auch Bereiche, die auf den Eingabebildern nicht direkt zu sehen sind. Diese verborgenen Partien werden allerdings aus den vorhandenen Hinweisen und den erlernten visuellen Mustern abgeleitet; es handelt sich nicht automatisch um überprüfte physische Messdaten.

Daraus ergeben sich zwei eng miteinander verbundene Funktionen:

• Kameragesteuerte Generierung: Bilder und Videos lassen sich erzeugen, während die Position und Bewegung der virtuellen Kamera vorgegeben werden.
• Räumliche Rekonstruktion: Aus einer begrenzten Zahl von Bildern soll eine 3D-Szene entstehen, aus der sich neue Ansichten rendern lassen.

Die gleiche räumliche Repräsentation soll außerdem Simulationen ermöglichen – etwa mit verändertem Licht, anderer Bewegung, neuen Hintergründen oder abweichenden Objektanordnungen. Das ist besonders für nachgelagerte Robotik-Anwendungen interessant. 9

Welche Inhalte Atlas erzeugen kann

Nach Angaben von World Labs unterstützt Atlas mehrere Modi:

• kameragesteuerte Bilder und Videos aus einem oder mehreren Referenzbildern,
• textbasierte Bilder,
• 360-Grad-Panoramen,
• Videos mit einer Länge von bis zu einer Minute in 1440p.

World Labs spricht bei der Kamerasteuerung von „pixel-perfect“. Damit ist gemeint, dass die gewünschte Kamerabahn ein zentraler Bestandteil der Generierung ist und nicht erst nachträglich in ein fertiges Video montiert wird. Denkbar wären dadurch neue Kamerafahrten aus wenigen Referenzen, nachträgliche Umrahmungen von Aufnahmen oder virtuelle Einstellungen, für die kein vollständiges Originalmaterial existiert. 9

Der praktische Kern des Ansatzes ist somit Kontrolle: Ein Prompt kann beschreiben, was in einer Szene vorkommen soll, während Bilder und Kamerageometrie Hinweise darauf liefern, wo sich Objekte befinden und aus welcher Perspektive die Szene betrachtet werden soll. Atlas zielt damit auf die Schnittstelle zwischen generativem Video und klassischen 3D-Produktionsabläufen.

3D-Rekonstruktion aus wenigen Bildern

World Labs zufolge kann Atlas reale Szenen aus einem bis zu mehreren Dutzend Eingabebildern rekonstruieren. Das Unternehmen erklärt, dass häufig bereits zwei oder drei Fotos für überzeugende Ergebnisse ausreichen können. Wenn möglichst hohe Detailtreue wichtiger ist als das Ergänzen fehlender Informationen, soll Atlas auch mehr als 100 Ansichten einbeziehen können. 9

Das Ergebnis soll sowohl neue Ansichten als auch explizite 3D-Repräsentationen umfassen. Atlas ist demnach nicht nur darauf ausgelegt, eine Sequenz aus einem bestimmten Blickwinkel plausibel aussehen zu lassen. Das Modell soll genügend Informationen über die Szene erfassen, um weitere Perspektiven zu erzeugen.

Dabei ist eine wichtige Einschränkung zu beachten: Bei wenigen oder ungünstigen Aufnahmen müssen nicht sichtbare Oberflächen geschätzt werden. Eine Rekonstruktion kann überzeugend aussehen und dennoch bei verdeckten Objekten, Raummaßen oder der Geometrie einer Oberfläche falsch liegen. Hohe visuelle Qualität ist daher nicht gleichbedeutend mit einer vermessungstechnisch geprüften 3D-Rekonstruktion.

Was die Benchmark-Angaben zeigen – und was nicht

World Labs erklärt, Atlas übertreffe bei den eigenen Rekonstruktionstests spezialisierte 3D-Modelle auf dem Stand der Technik. Die Präsentation nennt quantitative Ergebnisse für kameragesteuerte Generierung und 3D-Rekonstruktion. Zugleich weist das Unternehmen darauf hin, dass kein einzelner Benchmark die gesamte Bandbreite des Modells abbilden könne. 9

Das sind relevante, aber unternehmenseigene Ergebnisse. Sie sind nicht mit einer unabhängigen Bestätigung gleichzusetzen. Die hier verfügbaren Veröffentlichungen enthalten kein vollständig reproduzierbares Evaluationspaket mit allen Datensatzprotokollen, Einzelwerten für jedes Vergleichsmodell, Unsicherheitsangaben, Modellgewichten und Replikationen durch Dritte. Der behauptete Leistungsvorsprung sollte deshalb als Ergebnis von World Labs und nicht als abschließend belegter Branchenstandard verstanden werden.

Besonders wichtig wären weitere Tests zu:

• langen und komplexen Kamerafahrten,
• verdeckten oder mehrdeutigen Bereichen einer Szene,
• metrischer Genauigkeit und geometrischen Messungen,
• der Konsistenz über längere Videosequenzen,
• Kollisionen und physikalischen Interaktionen,
• der Übertragbarkeit von simulierten Umgebungen auf reale Roboter.

Atlas und Marble: Wie hängen die Modelle zusammen?

Marble ist das bisherige, auf Nutzer ausgerichtete Produkt von World Labs. Damit lassen sich aus Text, einzelnen oder mehreren Bildern, Videos, Panoramen und groben 3D-Strukturen dauerhafte, begehbare 3D-Welten erzeugen. 6

Atlas ist nicht einfach eine neue Bezeichnung für eine Marble-Funktion, sondern das nächste zugrunde liegende Modell innerhalb dieser Produktstrategie. World Labs zufolge soll Atlas künftige Marble-Versionen und weitere Produkte des Unternehmens antreiben. 9

Die Rollen sind damit klar verteilt: Atlas soll die allgemeinere räumliche Modellbasis liefern, während Marble als zugängliche Oberfläche zum Erstellen und Betrachten persistenter Welten dient. Die Marble-Dokumentation beschreibt die Erstellung solcher Welten aus Text, Bildern und Videos sowie deren Nutzung für Exploration und nachgelagerte Arbeitsabläufe. 6

World API: Was Entwickler derzeit nutzen können

World Labs hat die World API als öffentliche Schnittstelle vorgestellt, mit der sich aus Text, Bildern, Panoramen, Mehrfachansichten und Videos erkundbare 3D-Welten erzeugen lassen. Die Dokumentation beschreibt einen Ablauf, bei dem eine Anwendung eine Generierungsanfrage abschickt und die fertige Welt später abruft. 83

Das ist nicht dasselbe wie ein frei herunterladbares oder lokal in Echtzeit laufendes Atlas-Modell. Die dokumentierte API konzentriert sich auf die asynchrone Generierung und den anschließenden Abruf von Welten. Die verfügbaren Unterlagen belegen weder einen öffentlich zugänglichen Atlas-Endpunkt noch lokale Modellgewichte oder eine Option für Echtzeit-Inferenz. 389

Für Entwickler bedeutet das: Die derzeit dokumentierte öffentliche Produktoberfläche besteht aus Marble und dem API-gestützten Workflow zur Weltgenerierung – nicht zwingend aus einem direkten Zugriff auf sämtliche Atlas-Funktionen aus der Forschungspräsentation.

Geplante Einsatzgebiete

World Labs positioniert Atlas als räumliches Basismodell für mehrere Märkte.

Visuelle Effekte

Kameragesteuerte Generierung könnte dabei helfen, Filmmaterial neu zu кадrieren, virtuelle Kamerafahrten zu erzeugen oder aus wenigen Referenzen neue Einstellungen abzuleiten. Der zentrale Mehrwert wäre eine kontrollierbare räumliche Variation und nicht bloß ein einzelnes generiertes Bild. 9

Videospiele

Marble konzentriert sich bereits auf dauerhafte, erkundbare Umgebungen. Atlas könnte diese Richtung erweitern und Spiele- sowie Leveldesigner dabei unterstützen, Szenen zu erzeugen oder zu rekonstruieren, ohne die räumlichen Beziehungen zwischen Objekten und Blickwinkeln aufzugeben. 69

Design und Visualisierung

Architektur-, Industrie- und Kreativteams könnten Texte, Bilder und weitere Referenzen nutzen, um begehbare räumliche Konzepte zu untersuchen. Eine steuerbare Perspektive kann die Überprüfung und Weiterentwicklung eines Entwurfs erleichtern, verglichen mit einer Reihe voneinander unabhängiger Renderings. 69

Robotik

World Labs beschreibt außerdem ein „Real-to-Sim“-Szenario: Aus beiläufig aufgenommenen Videos sollen simulierte Umgebungen entstehen, in denen sich RGB- und Tiefenbilder aus der Perspektive eines Roboters erzeugen lassen. Objekte, Beleuchtung, Bewegungen und Hintergründe könnten für das Training von Navigation und Manipulation variiert werden. 9

Das ist ein ambitionierter Anwendungsfall. Visuelle Realitätsnähe allein beweist jedoch weder korrekte Physik noch zuverlässige Maße oder eine ausreichende Übertragbarkeit vom Simulator auf reale Roboter. Dafür sind aufgabenspezifische Tests notwendig.

SceniX, Finanzierung und strategischer Kontext

Die von World Labs verfolgte Robotikrichtung passt zur Übernahme des Robotikunternehmens SceniX, die im Juli 2026 berichtet wurde. Die verfügbaren Berichte ordnen den Schritt der Entwicklung von Weltmodellen und Lernumgebungen für Roboter zu.

World Labs hat laut veröffentlichten Berichten insgesamt 1,23 Milliarden US-Dollar aufgenommen. Diese Finanzierung unterstreicht den großen strategischen und finanziellen Anspruch des Unternehmens, ist aber kein Beleg dafür, dass Atlas bereits eine produktionsreife physikalische Simulation liefert.

Zugang, Preise und offene Fragen

Atlas wird in der Startankündigung nicht als allgemein verfügbar dargestellt. World Labs sammelt Anfragen für einen frühen Zugang; Marble und die World API sind die derzeit dokumentierten öffentlichen Optionen. 98

Die hier geprüften Informationen nennen keinen regulären Atlas-Preis, keine Modellgröße, keine Trainingsdaten, keine konkrete Hardwarekonfiguration, keine Inferenzlatenz, keinen Durchsatz und keine Kosten pro Generierung. 9

Diese Punkte sind für den Einsatz in der Produktion entscheidend. Eine eindrucksvolle Demo zeigt nicht, ob ein Workflow in größerem Maßstab bezahlbar, schnell genug für interaktive Anwendungen oder über viele unterschiedliche Szenen hinweg reproduzierbar ist.

Fazit

Atlas lässt sich am besten als Versuch von World Labs verstehen, generatives Video, 3D-Rekonstruktion und räumliche Simulation in einem multimodalen Modell zusammenzuführen. Die zentrale Idee: Kameraposition und 3D-Kontext sollen gleichberechtigte Eingaben sein – und nicht jedes erzeugte Einzelbild isoliert betrachtet werden.

Die vom Unternehmen beschriebenen Fähigkeiten sind umfangreich: kontrollierte Bild- und Videogenerierung, Rekonstruktion aus wenigen Ansichten, explizite 3D-Ausgaben und mögliche Anwendungen für Robotiksimulationen. Gleichzeitig befindet sich Atlas in den vorliegenden Informationen noch im frühen Zugang. Bis unabhängige Tests, belastbare Preis- und Latenzangaben sowie Daten zur physikalischen Genauigkeit vorliegen, sollten die stärksten Versprechen als vielversprechende Forschungs- und Produktvision verstanden werden – nicht als unabhängig nachgewiesene Produktionsleistung.