World Labs חושפת את Atlas: מודל עולם מולטימודלי עם שליטת מצלמה ברמת פיקסל ושחזור תלת-ממד

ארכיטקטורה מאוחדת מדיפיוזיה ו-LLM

World Labs הכריזה על Atlas, מודל שהיא מגדירה כראשון מסוגו בעולם: מודל עולם (World Model) מולטימודלי שיודע לייצר פריימים של תמונה ווידאו עם שליטה מדויקת במצלמה, ברמת הפיקסל הבודד, ולשחזר אותם במרחב תלת-ממדי. בבסיס המודל עומדת ארכיטקטורה אחת מאוחדת: טרנספורמר דיפיוזיה אוטורגרסיבי מולטימודלי, שאומן מאפס (from scratch). לדברי החברה, הבסיס הזה משלב את היתרונות של LLMs מודרניים ושל מודלי וידאו, ונהנה מההתקדמות הארכיטקטונית, האלגוריתמית והמערכתית משני התחומים.

שליטה במסלול מצלמה ויצירת וידאו ארוך

היכולת המרכזית ש-Atlas מציג היא הכנסת קלט מולטימודלי, כולל תנועת מצלמה מוגדרת, ותרגומו לתצוגות מקורקעות-מרחב (3D grounded views). המשתמש יכול לכוון את זוויות הצפייה, לשחזר חללים אמיתיים מקלט משלו, ולבנות עולמות ניתנים לסיור. בדוגמה שפורסמה, תוכנן מסלול מצלמה ידני (hand-designed trajectory) שהפיק סרטון באורך דקה ברזולוציית 1440p משבע תמונות ייחוס בלבד. המודל ממקם מספר תצוגות קלט בתוך ההקשר המרחבי שלו, וכך מאפשר יצירת פריימים עם שליטה מדויקת.

שחזור תלת-ממד מפורש וביצועים מול קוד פתוח

מעבר ליצירת וידאו, Atlas מוציא ייצוג תלת-ממדי מפורש ממספר משתנה של תמונות קלט, החל מתמונה בודדת ועד רבות. בחברה טוענים כי הביצועים עולים על אלה של מודלי השחזור (reconstruction) המובילים בקוד פתוח, אם כי לא פורסמו מדדי ביצועים (benchmarks), שמות המודלים שהושוו, או פרוטוקול הבדיקה. העיקרון פשוט: ככל שמוזנות יותר תמונות, ההקשר המרחבי מתעשר, והמודל "מדמיין" פחות, כלומר מפחית הזיות גיאומטריות.

הבנת מבנה מרחבי ודינמיקה זמנית

המודל מתוכנן להבין הן את המבנה המרחבי של העולם והן את האופן שבו הוא מתפתח בזמן. יכולת זו מאפשרת להפוך קומץ מצלמות רגילות לאולפן לכידת "זמן כדור" (bullet time) רב-זוויתי, הלוכד רגעים דינמיים קפואים בזמן. עבור סימולציה רובוטית, Atlas משחזר חלל ממעט תמונות ומייצר נתוני RGB ועומק (depth) פוטוריאליסטיים, כפי שחיישני רובוט היו קולטים בכל מסלול תנועה. המשמעות המעשית: רובוטים יכולים כעת להתאמן ולהיבחן במגוון גדול בהרבה של חללים, בלי הצורך בסריקה ייעודית ויקרה של כל סביבה.

גישה מוקדמת בשבועות הקרובים

World Labs הודיעה כי תפתח גישה מוקדמת (early access) למודל במהלך השבועות הקרובים, עם טופס הרשמה ייעודי. בשלב זה לא נמסרו פרטים על מודל עסקי, מגבלות רישיון, דרישות חומרה להרצה מקומית, או לוח זמנים לשחרור משקלים או קוד. ההכרזה מתמקדת ביכולות ההדגמה ובארכיטקטורה, בלי לחשוף נתוני אימון, גודל מודל בפרמטרים, או עלויות חישוב.