Atlas dari World Labs: Model AI yang Mengendalikan Kamera dan Merekonstruksi Dunia 3D

Apa itu Atlas?

World Labs memperkenalkan Atlas sebagai “omni world model” untuk kecerdasan spasial—satu sistem AI yang sejak awal dilatih untuk bekerja dengan teks, gambar, video, dan informasi 3D. Tujuannya bukan sekadar membuat klip video yang terlihat meyakinkan, melainkan memahami hubungan antara objek, kamera, dan ruang di sekitarnya. 9

Dengan pendekatan tersebut, Atlas ditujukan untuk menghasilkan gambar dan video dari sudut pandang yang dikendalikan pengguna, merekonstruksi adegan nyata dalam bentuk 3D, serta memperkirakan bagaimana sebuah ruang akan terlihat ketika posisi kamera atau elemen di dalamnya berubah.

Perbedaan ini penting. Banyak generator gambar dan video konvensional mengoptimalkan setiap frame agar tampak realistis. Atlas, menurut World Labs, berfokus pada konsistensi spasial: posisi objek, sudut pandang, dan struktur lingkungan seharusnya tetap masuk akal ketika kamera berpindah.

Cara kerja Atlas

World Labs mendeskripsikan Atlas sebagai multimodal autoregressive diffusion transformer yang dilatih dari awal. Model ini mengaitkan masukan visual dengan posisi masing-masing dalam konteks ruang bersama, lalu memprediksi frame, sudut pandang baru, atau keluaran 3D yang konsisten dengan konteks tersebut. 9

Pengguna dapat memberikan satu atau beberapa gambar referensi, kemudian menambahkan informasi kamera atau jalur kamera yang dirancang secara manual. Atlas lalu merender sudut pandang yang diminta, termasuk bagian adegan yang tidak terlihat langsung dalam gambar sumber.

Namun, area yang tidak terekam bukanlah hasil pengukuran fisik yang terverifikasi. Bagian tersebut disimpulkan dari bukti visual yang tersedia dan pola visual yang dipelajari model. Karena itu, hasilnya bisa terlihat sangat meyakinkan sekaligus tetap keliru pada permukaan yang tertutup, ukuran objek, atau ruangan di balik penghalang.

Secara umum, kemampuan Atlas terbagi menjadi dua:

• Generasi dengan kondisi kamera: membuat gambar atau video sambil mengendalikan arah dan pergerakan kamera virtual.
• Rekonstruksi spasial: menyimpulkan adegan 3D dari sejumlah gambar terbatas, lalu merender sudut pandang baru.

Representasi spasial yang sama juga dimaksudkan untuk mendukung simulasi, misalnya dengan mengubah pencahayaan, gerakan, latar belakang, atau konfigurasi objek untuk kebutuhan robotika. 9

Kemampuan generasi yang diklaim

Menurut World Labs, Atlas mendukung beberapa mode generasi berikut:

• Gambar dan video dengan kendali kamera dari satu atau beberapa gambar referensi.
• Gambar yang dikondisikan oleh teks.
• Panorama 360 derajat.
• Video berdurasi hingga satu menit dengan resolusi 1440p. 9

Perusahaan menyebut kendali kameranya sebagai “pixel-perfect”. Istilah ini berarti jalur kamera menjadi bagian utama dari proses generasi, bukan sekadar penyuntingan setelah video selesai dibuat.

Dalam praktiknya, pendekatan tersebut berpotensi membantu kreator mengubah framing, membuat pergerakan kamera virtual, atau menghasilkan adegan baru dari referensi visual yang minim. Prompt dapat menjelaskan apa yang ingin dibuat, sedangkan gambar dan geometri kamera memberikan petunjuk mengenai posisi objek serta cara ruang itu dilihat.

Atlas dengan demikian berada di antara generasi video dan alur kerja produksi 3D tradisional. Nilai jual utamanya bukan hanya gambar yang menarik, tetapi tingkat kendali atas ruang dan sudut pandang.

Rekonstruksi 3D dari beberapa foto

World Labs mengatakan Atlas dapat merekonstruksi adegan dunia nyata dari satu hingga puluhan gambar. Perusahaan juga menyebut dua atau tiga foto sering kali sudah dapat menghasilkan hasil yang setia, sementara lebih dari 100 sudut pandang dapat digunakan ketika ketepatan rekonstruksi lebih diprioritaskan daripada kemampuan model untuk menyimpulkan bagian yang hilang. 9

Keluaran Atlas ditujukan untuk mencakup gambar dari sudut pandang baru sekaligus representasi 3D yang eksplisit. Artinya, model ini tidak hanya membuat rangkaian frame yang tampak benar dari satu sudut tertentu, tetapi berusaha membangun representasi ruang yang cukup untuk menghasilkan tampilan tambahan.

Tetap ada batasan mendasar. Jika sebuah adegan hanya diamati dari sedikit sudut, permukaan yang tidak terlihat harus diperkirakan. Rekonstruksi tersebut mungkin tampak realistis, tetapi belum tentu benar mengenai bentuk objek yang tertutup, dimensi ruangan, ukuran sebenarnya, atau geometri permukaan.

Kualitas visual juga tidak sama dengan akurasi survei. Atlas sebaiknya tidak dianggap sebagai pengganti pemindaian 3D atau pengukuran profesional tanpa pengujian khusus.

Apa yang ditunjukkan benchmark-nya?

World Labs menyatakan Atlas mengungguli model khusus rekonstruksi 3D mutakhir dalam evaluasi rekonstruksi milik perusahaan. Materi peluncuran menyoroti hasil kuantitatif pada dua tugas utama: generasi dengan kondisi kamera dan rekonstruksi 3D. World Labs juga mengakui bahwa tidak ada satu benchmark yang dapat mencakup seluruh kemampuan Atlas. 9

Hasil tersebut penting sebagai laporan dari perusahaan, tetapi belum sama dengan validasi independen. Materi yang tersedia tidak menyertakan paket evaluasi lengkap yang dapat direproduksi, termasuk seluruh protokol dataset, skor tiap model, estimasi ketidakpastian, bobot model, dan pengulangan oleh pihak ketiga.

Karena itu, klaim keunggulan Atlas sebaiknya dibaca sebagai hasil yang dilaporkan World Labs, bukan sebagai kesimpulan final industri.

Pengujian lanjutan terutama diperlukan untuk:

• Jalur kamera yang panjang dan kompleks.
• Bagian adegan yang tertutup atau ambigu.
• Akurasi metrik dan pengukuran geometris.
• Konsistensi sepanjang video berdurasi panjang.
• Ketepatan tabrakan dan interaksi fisik.
• Pemindahan hasil dari lingkungan simulasi ke robot di dunia nyata.

Hubungan Atlas dengan Marble

Marble adalah produk World Labs yang ditujukan bagi pengguna untuk membuat dunia 3D yang persisten dan dapat dijelajahi. Produk ini menerima teks, satu atau beberapa gambar, video, panorama, serta struktur 3D kasar, kemudian menghasilkan dunia yang dapat dieksplorasi dan digunakan dalam alur kerja lanjutan. 6

Atlas bukan sekadar nama baru untuk fitur Marble. World Labs menyebutnya sebagai model generasi berikutnya yang akan mendukung versi Marble di masa depan serta produk-produk lain. 9

Pembagian perannya cukup jelas: Atlas menyediakan model spasial yang lebih umum, sedangkan Marble menjadi lingkungan yang lebih mudah diakses untuk membuat dan melihat dunia 3D persisten.

World API dan akses bagi pengembang

World Labs memperkenalkan World API sebagai antarmuka publik untuk membuat dunia 3D yang dapat dijelajahi dari teks, gambar, panorama, input multi-sudut, dan video. Dokumentasinya menjelaskan alur asinkron: aplikasi mengirim permintaan generasi, lalu mengambil dunia yang sudah selesai dibuat. 83

Hal ini berbeda dari menyediakan Atlas secara langsung sebagai model yang dapat diunduh atau dijalankan secara real-time di komputer lokal. Dokumentasi yang tersedia berfokus pada generasi dan pengambilan dunia melalui API, bukan pada bobot Atlas, endpoint publik khusus Atlas, atau opsi inferensi lokal real-time. 389

Bagi pengembang, permukaan produk publik yang terdokumentasi saat ini adalah Marble dan alur generasi dunia melalui World API—bukan berarti seluruh kemampuan Atlas sudah tersedia untuk digunakan secara langsung.

Aplikasi yang dituju

World Labs membayangkan Atlas sebagai sistem spasial serbaguna untuk beberapa bidang.

Efek visual

Kendali kamera dapat membantu seniman mengubah framing, membuat pergerakan kamera virtual, dan menghasilkan shot dari sedikit referensi. Fokusnya adalah variasi spasial yang dapat dikendalikan, bukan sekadar satu frame hasil generasi. 9

Gim

Marble sejak awal diarahkan untuk membuat lingkungan yang persisten dan dapat dijelajahi. Atlas dapat memperluas pendekatan ini dengan membantu desainer gim membuat atau merekonstruksi adegan sambil mempertahankan hubungan antarsudut pandang dan objek. 69

Desain dan visualisasi

Tim arsitektur, industri, dan kreatif berpotensi menggunakan teks, gambar, serta referensi lain untuk mengeksplorasi konsep ruang yang dapat dinavigasi. Kendali sudut pandang dapat memudahkan proses inspeksi dan iterasi dibandingkan serangkaian render yang tidak saling terhubung. 69

Robotika

World Labs juga menyoroti penggunaan real-to-sim: membuat lingkungan simulasi dari rekaman kasual, menghasilkan pengamatan RGB dan kedalaman dari perspektif robot, lalu mengubah objek, pencahayaan, gerakan, dan latar belakang untuk melatih navigasi serta manipulasi. 9

Arah ini ambisius, tetapi realisme visual tidak otomatis membuktikan bahwa sebuah lingkungan memiliki fisika, dimensi, atau performa sim-to-real yang akurat. Semua itu perlu dievaluasi berdasarkan tugas robotika tertentu.

Dalam konteks ini, akuisisi SceniX diposisikan sejalan dengan arah robotika World Labs, meski informasi yang tersedia tidak membuktikan bahwa Atlas telah mencapai simulasi fisik siap produksi.

Akses, pendanaan, dan hal yang belum diketahui

Atlas belum diperkenalkan sebagai produk yang tersedia luas. World Labs masih menerima permintaan akses awal, sementara Marble dan World API merupakan opsi publik yang terdokumentasi. 98

Laporan mengenai World Labs menyebut perusahaan telah menghimpun total pendanaan sebesar 1,23 miliar dolar AS. Angka tersebut menunjukkan kapasitas pendanaan yang besar, tetapi bukan bukti bahwa Atlas sudah memiliki performa produksi atau simulasi fisik yang teruji.

Materi peluncuran Atlas yang ditinjau tidak mengungkap kartu harga standar, ukuran model, data pelatihan, konfigurasi perangkat keras, latensi inferensi, kapasitas pemrosesan, maupun biaya komputasi per generasi. 9

Detail-detail ini penting bagi organisasi yang ingin menilai Atlas sebagai alat produksi. Demo yang mengesankan belum menjawab apakah alurnya cukup murah untuk digunakan dalam skala besar, cukup cepat untuk interaksi langsung, atau cukup konsisten untuk diterapkan pada banyak adegan.

Kesimpulan

Atlas paling tepat dipahami sebagai upaya World Labs untuk menyatukan generasi video, rekonstruksi 3D, dan simulasi spasial dalam satu model multimodal. Gagasan pembeda utamanya adalah menjadikan posisi kamera dan konteks 3D sebagai input utama, bukan memperlakukan setiap frame sebagai gambar yang berdiri sendiri.

Kemampuan yang diklaim cukup luas: generasi gambar dan video dengan kendali kamera, rekonstruksi dari sudut pandang terbatas, keluaran 3D, serta kemungkinan penggunaan untuk simulasi robotika. Namun, berdasarkan materi yang tersedia, Atlas masih berada pada tahap akses awal.

Sebelum ada evaluasi independen, informasi harga, data latensi, dan pengujian akurasi fisik, klaim terkuat Atlas sebaiknya dipandang sebagai arah riset dan produk yang menjanjikan—belum sebagai performa produksi yang telah terbukti secara independen.