Компания World Labs, основанная при участии известного специалиста по компьютерному зрению Фей-Фей Ли, выпустила многомодальную модель Atlas. Это универсальный (omni) модель, который способен превращать 2D-изображение в детализированное 3D-моделирование среды. Модель может генерировать видео длиной до 1 минуты с разрешением 1440p, контролировать положение и движение камеры, а также создавать точки облаков (point clouds) и 3D Gaussian splats. Atlas интегрирует видео, текст, данные о положении камеры и карты глубины, обеспечивая единое пространство для данных.
Фей-Фей Ли считает, что для достижения общего искусственного интеллекта (AGI) системе необходимо обладать пространственным мышлением — уметь анализировать 3D-объекты, людей, окружающую среду и взаимодействия между ними. Atlas воплощает эту идею: с его помощью можно воссоздавать реальные пространства в виде 3D-среды для тренировки роботов (Real-to-Sim). Например, разработчики могут снять пространство на обычный смартфон, а затем использовать модель для создания симуляции, где робот сможет перемещаться и взаимодействовать с объектами. При этом Atlas генерирует точные RGB-изображения и данные глубинного сканирования, что позволяет безопасно тестировать аппаратное обеспечение роботов в разных условиях освещения и конфигураций объектов.
World Labs сравнивала Atlas с ведущими моделями генерации видео и 3D-реконструкции. В тестах, где оценивалось следование траектории камеры, участники предпочитали результаты Atlas моделям Gemini Omni Flash и FLUX. Также модель показала лучшие результаты в реконструкции 3D-геометрии на основе ограниченного ввода данных по сравнению с другими топовыми открытыми моделями.
Среди конкурентов World Labs — Odyssey (разрабатывает интерактивные симуляции миров), AMI Labs (под руководством Яна Лекуна, специализируется на архитектуре физического планирования) и Niantic Spatial (создаёт продвинутые геопространственные системы). В отличие от них, Atlas использует единую базовую модель, объединяющую разные функции в одной системе.
World Labs уже привлекла 1,2 млрд долларов инвестиций от Nvidia Corp., Advanced Micro Devices Inc. и Autodesk Inc. Сейчас модель частично доступна для корпоративных клиентов, но дата полного запуска пока не объявлена.
Подписаться в Макс
