Atlas от World Labs — это универсальная модель мира для пространственного интеллекта, способная генерировать, реконструировать и симулировать 3D-среды на основе мультимодальных данных, таких как текст, изображения и видео.
Назначение продукта и его официальное позиционирование
Atlas — это мультимодальный авторегрессионный диффузионный трансформер, разработанный World Labs. Он спроектирован для понимания внешнего вида, поведения и эволюции миров, позволяя пользователям создавать согласованный 3D-контент и моделировать реальные условия.
Модель интегрирует пространственный контекст, привязывая входные данные к 3D-пространству, что обеспечивает точное управление камерой и синтез новых ракурсов. Она масштабируется с увеличением вычислительных мощностей для обеспечения высокого качества в творчестве, робототехнике и симуляциях.
Сценарии, подтверждённые официальными источниками
Позволяет реализовать рабочие процессы Real-to-Sim путем реконструкции физических пространств и генерации сенсорных данных, таких как RGB и глубина, для обучения и тестирования навигации роботов.
Позволяет авторам пересматривать видео под разными углами, «замораживать» время и создавать последовательный длинный видеоконтент с использованием точных траекторий камеры.
Atlas отличается от стандартных архитектур LLM и видеомоделей использованием мультимодального авторегрессионного диффузионного трансформера. Эта конструкция рассматривает пространственный контроль как основной компонент, обуславливая все входные и выходные данные явными позами камеры и 3D-позициями.
Проверки на собственных материалах и рабочих процессах
Какие источники и когда были проверены
Ответы на основе карточки продукта с проверенными источниками
Atlas — это мультимодальная модель, которая нативно работает с текстом, изображениями, видео, 3D-картами глубины и позами камер для формирования общего пространственного контекста.
Нет, Atlas может реконструировать реальные пространства всего по нескольким обычным изображениям (от одного до десятков), избавляя от необходимости в сложном оборудовании для плотного захвата данных.
Atlas использует точную геометрию камеры в качестве нативного типа ввода, позволяя пользователям задавать конкретные положения и углы обзора, а не полагаться на текстовые инструкции.
Да, модель может выдавать явные 3D-представления, включая облака точек и 3D Gaussian splats, которые подходят для рабочих процессов в робототехнике, игровой индустрии и дизайне.
Да, Atlas поддерживает рабочие процессы Real-to-Sim, реконструируя окружение и генерируя данные RGB и глубины, которые датчики робота фиксировали бы во время навигации или манипуляций.
