Apa Itu Atlas, Model Dunia AI World Labs?

World Labs memperkenalkan Atlas sebagai model dunia “omni” untuk kecerdasan spatial—iaitu satu sistem yang dibangunkan dari awal untuk beroperasi secara asli dengan teks, imej, video dan maklumat 3D. Matlamatnya lebih luas daripada menghasilkan klip video yang kelihatan meyakinkan. Atlas direka untuk menjana imej dan video daripada sudut kamera yang boleh dikawal, membina semula adegan sebenar dalam bentuk 3D serta menganggarkan rupa sesuatu ruang apabila kamera atau elemen dalam adegan berubah. 9

Perbezaan ini penting. Kebanyakan penjana imej dan video konvensional mengoptimumkan setiap bingkai supaya kelihatan munasabah. Atlas pula diposisikan sebagai model yang mengekalkan konsistensi spatial: hubungan antara objek, sudut pandangan dan persekitaran asas sepatutnya kekal selaras apabila kamera bergerak.

Bagaimana Atlas berfungsi?

World Labs menerangkan Atlas sebagai multimodal autoregressive diffusion transformer yang dilatih dari awal. Model ini mengaitkan input visual dengan kedudukannya dalam konteks spatial yang dikongsi, kemudian meramalkan bingkai baharu, sudut pandangan atau output 3D yang sepadan dengan konteks tersebut. 9

Pengguna boleh memberikan satu atau beberapa imej rujukan bersama maklumat kamera atau laluan kamera yang direka sendiri. Atlas kemudiannya boleh menghasilkan paparan daripada sudut yang diminta, termasuk bahagian adegan yang tidak pernah dirakam secara langsung.

Namun, bahagian yang tidak kelihatan itu bukanlah ukuran fizikal yang disahkan. Ia dianggarkan berdasarkan bukti yang tersedia dan pengetahuan visual yang dipelajari oleh model. Dengan kata lain, model boleh membuat sesuatu kelihatan masuk akal tanpa semestinya mengetahui keadaan sebenar di sebalik objek atau dinding yang terlindung.

Reka bentuk ini memberikan Atlas dua keupayaan utama:

• Penjanaan berasaskan kamera: Menghasilkan imej atau video sambil pengguna mengawal pergerakan kamera maya.
• Pembinaan semula spatial: Menganggarkan adegan 3D dan menghasilkan sudut pandangan baharu daripada set imej yang terhad.

Perwakilan spatial yang sama juga bertujuan menyokong simulasi—contohnya mengubah pencahayaan, pergerakan, latar belakang atau susunan objek untuk kegunaan robotik. 9

Apa yang boleh dijana oleh Atlas?

Menurut World Labs, Atlas menyokong beberapa mod penjanaan:

• Imej dan video dengan kawalan kamera daripada satu atau beberapa imej rujukan.
• Imej yang dijana berdasarkan teks.
• Panorama 360 darjah.
• Video sehingga satu minit pada resolusi 1440p.

Syarikat itu menggambarkan kawalan kamera Atlas sebagai “pixel-perfect”. Maksudnya, trajektori kamera yang diminta menjadi sebahagian daripada proses penjanaan utama, bukannya suntingan yang dilakukan selepas video siap. Ciri ini berpotensi membantu pencipta menyusun semula rakaman, menghasilkan pergerakan kamera maya atau mencipta babak daripada rujukan visual yang sangat terhad. 9

Nilai praktikal pendekatan ini terletak pada tahap kawalan. Teks boleh menerangkan perkara yang perlu wujud, manakala imej dan geometri kamera memberikan petunjuk tentang kedudukan objek serta cara adegan itu harus dilihat. Atlas cuba mengisi ruang antara video generatif dan aliran kerja produksi 3D tradisional.

Membina semula adegan 3D daripada beberapa gambar

World Labs berkata Atlas boleh membina semula adegan dunia sebenar daripada satu hingga puluhan imej input. Syarikat itu turut mendakwa bahawa dua atau tiga foto selalunya boleh menghasilkan keputusan yang setia, manakala lebih daripada 100 pandangan boleh digunakan apabila ketepatan lebih penting daripada membuat inferens. 9

Output yang disasarkan merangkumi imej daripada sudut pandangan baharu serta perwakilan 3D yang jelas. Jadi, Atlas bukan sekadar menghasilkan urutan video yang kelihatan betul dari satu sudut tertentu; ia direka untuk mewakili ruang yang mencukupi bagi menghasilkan pandangan tambahan.

Ada satu perkara penting yang perlu diberi perhatian. Jika sesuatu adegan hanya dirakam secara terhad, permukaan atau objek yang terlindung perlu dianggarkan. Hasil pembinaan semula mungkin kelihatan meyakinkan, tetapi masih boleh tersilap tentang objek di sebalik halangan, ukuran, bilik tersembunyi atau bentuk sebenar sesuatu permukaan.

Oleh itu, kualiti visual Atlas tidak boleh dianggap sama dengan pembinaan semula yang disahkan pada tahap ukur kejuruteraan atau ukur profesional.

Apa yang ditunjukkan oleh tuntutan penanda aras?

World Labs mendakwa Atlas mengatasi model khusus pembinaan semula 3D yang dianggap terkemuka dalam penilaian yang dijalankan oleh syarikat itu. Bahan pelancaran menonjolkan keputusan kuantitatif bagi dua tugas utama—penjanaan berasaskan kamera dan pembinaan semula 3D—sambil mengakui bahawa tiada satu penanda aras dapat merangkumi keseluruhan keupayaan model. 9

Keputusan yang dilaporkan syarikat itu tetap penting, tetapi ia bukan pengesahan bebas. Bahan yang tersedia di sini tidak menyertakan pakej penilaian lengkap yang boleh diulangi, termasuk semua protokol set data, skor setiap model, anggaran ketidakpastian, pemberat model dan replikasi pihak ketiga.

Justeru, dakwaan bahawa Atlas mendahului pesaing wajar dibaca sebagai tuntutan World Labs, bukan keputusan industri yang sudah dipuktamadkan.

Ujian lanjut amat diperlukan untuk menilai:

• Laluan kamera yang panjang dan kompleks.
• Bahagian adegan yang terlindung atau samar.
• Ketepatan metrik dan ukuran geometri.
• Konsistensi sepanjang urutan video yang panjang.
• Ketepatan perlanggaran dan interaksi fizikal.
• Keupayaan memindahkan simulasi yang dijana kepada robot sebenar.

Hubungan Atlas dengan Marble

Marble ialah produk World Labs yang ditujukan kepada pengguna untuk mencipta dunia 3D yang kekal dan boleh diterokai. Ia menerima teks, satu atau beberapa imej, video, panorama serta struktur 3D kasar, kemudian menghasilkan dunia yang boleh diteroka dan digunakan dalam aliran kerja seterusnya. 6

Atlas pula ialah model generasi seterusnya di sebalik strategi produk itu—bukan sekadar nama baharu untuk satu ciri Marble. World Labs berkata Atlas akan menggerakkan versi Marble akan datang serta produk lain syarikat tersebut. 9

Hubungan ini memberikan hala tuju produk yang jelas: Atlas menjadi model spatial yang lebih umum, manakala Marble kekal sebagai persekitaran yang lebih mudah diakses untuk mencipta dan melihat dunia 3D yang berterusan. Dokumentasi Marble menerangkan penciptaan dunia daripada teks, imej dan video, dengan hasil yang boleh diterokai serta digunakan dalam aliran kerja lain. 6

World API dan akses untuk pembangun

World Labs turut memperkenalkan World API, iaitu antara muka awam untuk menjana dunia 3D yang boleh diterokai daripada teks, imej, panorama, input berbilang pandangan dan video. Dokumentasinya menerangkan aliran kerja apabila aplikasi menghantar permintaan penjanaan, kemudian mendapatkan dunia yang telah siap. 83

Ini berbeza daripada memberikan Atlas sebagai model yang boleh dimuat turun atau dijalankan secara masa nyata pada komputer sendiri. Dokumentasi yang tersedia memberi tumpuan kepada penjanaan dunia secara tidak segerak dan proses mendapatkan hasilnya. Bahan yang dirujuk tidak mengesahkan kewujudan titik akhir awam Atlas, pemberat model untuk kegunaan tempatan atau pilihan inferens masa nyata. 389

Bagi pembangun, permukaan produk awam yang didokumentasikan sekarang ialah Marble dan aliran kerja penjanaan dunia melalui API—bukan semestinya akses terus kepada semua keupayaan Atlas yang diterangkan dalam pengumuman penyelidikan.

Aplikasi yang disasarkan

World Labs membingkaikan Atlas sebagai sistem spatial serba guna dengan beberapa pasaran berpotensi.

Kesan visual

Penjanaan yang dikawal kamera boleh membantu artis menyusun semula rakaman, mencipta pergerakan kamera maya dan menghasilkan babak daripada sebilangan kecil rujukan. Janji utamanya ialah variasi spatial yang boleh dikawal, bukannya satu bingkai yang dijana secara terasing. 9

Permainan video

Marble sudah memberi tumpuan kepada persekitaran 3D yang kekal dan boleh diterokai. Atlas berpotensi mengembangkan arah ini dengan menyediakan model yang boleh menjana atau membina semula adegan sambil mengekalkan sudut pandangan dan hubungan spatial antara objek. 69

Reka bentuk dan visualisasi

Pasukan seni bina, industri dan kreatif mungkin menggunakan teks, imej serta rujukan lain untuk meneroka konsep ruang yang boleh dinavigasi. Kawalan sudut pandangan boleh memudahkan pemeriksaan dan pengulangan konsep berbanding menghasilkan siri render yang tidak berkaitan. 69

Robotik

World Labs turut menerangkan kegunaan “real-to-sim”—membina persekitaran simulasi daripada rakaman kasual, menjana pemerhatian RGB dan kedalaman dari perspektif robot, serta mengubah objek, pencahayaan, pergerakan dan latar belakang untuk latihan navigasi dan manipulasi. 9

Itu ialah aplikasi yang besar cita-citanya. Tetapi realisme visual yang dijana tidak membuktikan bahawa adegan tersebut mempunyai fizik yang tepat, ukuran yang boleh dipercayai atau prestasi sim-to-real yang mencukupi. Semua dakwaan itu memerlukan penilaian khusus mengikut tugasan.

Akses, harga dan perkara yang masih belum diketahui

Atlas belum dipersembahkan sebagai produk yang tersedia secara meluas dalam bahan pelancaran yang dirujuk. World Labs sedang mengumpulkan permintaan akses awal, manakala Marble dan World API ialah pilihan awam yang didokumentasikan. 98

Maklumat pelancaran yang diteliti tidak mendedahkan harga standard Atlas, saiz model, data latihan, konfigurasi perkakasan, kependaman inferens, kadar pemprosesan atau kos pengiraan bagi setiap penjanaan. 9

Perkara ini penting untuk organisasi yang mahu menilai Atlas sebagai alat produksi. Demo yang mengagumkan tidak menunjukkan sama ada sesuatu aliran kerja mampu milik pada skala besar, cukup pantas untuk kegunaan interaktif atau konsisten apabila digunakan pada banyak adegan.

Kesimpulan

Atlas paling tepat difahami sebagai usaha World Labs untuk menyatukan video generatif, pembinaan semula 3D dan simulasi spatial dalam satu model multimodal. Idea utamanya ialah menjadikan kedudukan kamera dan konteks 3D sebagai input utama, bukannya menganggap setiap bingkai yang dijana sebagai imej berasingan.

Keupayaan yang dilaporkan syarikat itu memang besar: penjanaan imej dan video terkawal, pembinaan semula daripada pandangan terhad, output 3D yang jelas serta kemungkinan penggunaan dalam simulasi robotik.

Namun, berdasarkan bahan yang diteliti, Atlas masih berada pada peringkat akses awal. Selagi penilaian bebas, harga, kependaman dan data ketepatan fizikal belum tersedia, tuntutan terkuatnya wajar dianggap sebagai hala tuju penyelidikan dan produk yang menjanjikan—bukan prestasi produksi yang telah dibuktikan secara bebas.