قدمت شركة World Labs، وهي شركة الذكاء المكاني التي أسسها رائد الذكاء الاصطناعي Fei-Fei Li، نظام أطلس في الأول من سبتمبر عام 2026، واصفة إياه بأنه نموذجها العالمي من الجيل التالي "omni". وفي منشور على مدونة الشركة، قال الفريق إن Atlas تم تدريبه مسبقًا من الصفر ليعمل بشكل أصلي على النصوص والصور والفيديو والأبعاد الثلاثية - وهو نموذج واحد مصمم لإنشاء العوالم وإعادة بنائها ومحاكاتها بدلاً من التخصص في أي من هذه المهام.

يعد الإطلاق علامة بارزة في أطروحة النماذج العالمية التي دافع عنها لي منذ تأسيس الشركة: وهي أن الحدود التالية للذكاء الاصطناعي لا تكمن في اللغة فحسب، بل في الأنظمة التي تفهم كيف تظهر العوالم، وتتصرف، وتتطور. تضع World Labs التكنولوجيا كأساس لتقديم عوالم متخيلة للمستخدمين المبدعين، ومحاكاة العالم الحقيقي بدقة عالية، ومساعدة الروبوتات في تخطيط الإجراءات. لمعرفة المزيد حول هذا الموضوع وغيره من الجهود البحثية الرائدة، استكشف تغطية صناعة الذكاء الاصطناعي.

نموذج واحد، سياق مكاني مشترك

من الناحية المعمارية، أطلس هو ما تسميه World Labs محول نشر الانحدار الذاتي المتعدد الوسائط. مثل نموذج اللغة الكبير، يقوم أولاً بتشفير مدخلاته في سياق ثم يقوم بإنشاء مخرجات مشروطة بهذا السياق. الفرق مكاني: كل صورة مدخلة يتم تثبيتها في موضع ثلاثي الأبعاد في الفضاء، لتشكل ما تسميه الشركة السياق المكاني، ويقوم أطلس بإنشاء ما يأتي بعد ذلك مع الحفاظ على توافق ثلاثي الأبعاد مع كل ما رآه، متخيلًا ما يكمن وراءه.

يتيح هذا التصميم إمكانات قد يكون من الصعب تثبيتها على مولدات الفيديو التقليدية. يمكن وضع صورتين مرجعيتين غير مرتبطتين في السياق في مواضع ثلاثية الأبعاد مختلفة، وسيعمل أطلس على توليد عالم يدمج بينهما بسلاسة، ويخترع المداخل والممرات والانتقالات التي تربط بين المشهدين بشكل معقول. وقالت الشركة أيضًا إن النموذج مصمم على نطاق واسع، مع تحسين الأداء مع زيادة حوسبة التدريب.

التحكم المثالي في الكاميرا والفيديو طويل الشكل

ميزة إنشاء الشاشة الاسمية في Atlas هي الفيديو الذي يتم التحكم فيه بالكاميرا. من صورة واحدة إلى ست صور مدخلة، يمكن للنموذج إنشاء ما يصل إلى دقيقة واحدة من الفيديو بدقة 1440 بكسل، باتباع مسارات الكاميرا المحددة بدقة. تؤكد World Labs على أن هندسة الكاميرا هي نوع إدخال أصلي — يتجاوز المطالبات النصية الخشنة — حتى يتمكن منشئو المحتوى من تأطير كل لقطة والتحكم في كل حركة. في العروض التوضيحية، يمر الفريق عبر مسارات الكاميرا المصممة يدويًا عبر مشهد لإنتاج مقطع متماسك مدته دقيقة واحدة، واصفًا التجربة بأنها "على كرسي المخرج" بدلاً من سحب رافعة ماكينة القمار.

يقوم النموذج أيضًا بإنشاء صور وصور بانورامية بزاوية 360 درجة من النص، مع القدرة على متابعة المطالبات المعقدة، وتقديم النص، وإنتاج مجموعة متنوعة من الأنماط المرئية.

إعادة الإعمار التي تتحدى النماذج المتخصصة

فيما يتعلق بإعادة البناء، تقدم World Labs ادعاءً جريئًا: يقوم Atlas بإعادة بناء مشاهد العالم الحقيقي من صورتين أو ثلاث صور عادية، "متفوقًا على أحدث النتائج من خلال نماذج مدربة خصيصًا لإعادة البناء ثلاثي الأبعاد فقط". تصف الشركة تركيب العرض الجديد من مدخلات متفرقة بأنه مشكلة أساسية عمرها عقود في رؤية الكمبيوتر ثلاثية الأبعاد.

يمكن لـ Atlas أيضًا استيعاب أكثر من مائة صورة مدخلة للترفيه الدقيق عن البيئات الحقيقية. في إحدى العروض التوضيحية، أعاد الفريق بناء رباعية جامعة ستانفورد الرئيسية قطعة قطعة من صورتين إلى خمس وعشرين صورة على مستوى الأرض، ثم أنشأوا مسارات جوية تحلق عاليًا فوق الحرم الجامعي - لتملأ مناظر لم تلتقطها أي كاميرا على الإطلاق.

من أجل الاستخدام العملي، لا يتوقف Atlas عند الإطارات ثنائية الأبعاد. وهو يعمل أصلاً على إطارات الصور وخرائط العمق ثلاثية الأبعاد، ويخرج العوالم على شكل سحب نقطية أو بقع غاوسية ثلاثية الأبعاد تظهر على الجهاز بدقة ومعدلات إطارات عالية. وهذا هو نفس التمثيل المستخدم في منتج Marble، وهو المنتج الأول لشركة World Labs، لذا يتم توصيل مخرجات Atlas مباشرةً بخط الإنتاج الحالي للشركة.

من وقت الرصاصة إلى تدريب الروبوت

قد تكون قدرات المحاكاة في Atlas ذات أهمية كبيرة بالنسبة للروبوتات. وأظهرت الشركة أن اللقطات التي تم التقاطها من ما لا يقل عن ثلاث كاميرات عادية للهواتف المحمولة - مثبتة على حوامل ثلاثية القوائم ومشابك يمكن وضعها في حقيبة الظهر - كافية لأطلس لإعادة بناء المشهد وتمكين إعادة التأطير "بزمن الرصاصة" من زوايا مستحيلة، دون الحاجة إلى استوديو التقاط متخصص.

بالنسبة لسير العمل من Real-to-Sim، يقوم Atlas بإعادة بناء المساحات من مقاطع فيديو الهاتف القصيرة ثم يقوم بإنشاء RGB وبيانات العمق التي ستلاحظها الكاميرات المثبتة على جسم الروبوت المحاكية على طول المسار - حيث يأتي العالم ورؤية الروبوت له من نفس النموذج. وأظهرت الشركة إمكانية التنقل عبر البيئات الممسوحة ضوئيًا الكبيرة باستخدام 24 إطارًا لكل منها، بالإضافة إلى سيناريوهات المعالجة حيث يمكن تنويع مهام المحاكاة عن طريق تغيير الكائنات والمواضع والمشاهد بمجرد محاكاة المهمة.

لماذا يهم

يُنظر إلى النماذج العالمية بشكل متزايد على أنها مكملة لنماذج اللغات الكبيرة: حيث يفكر طلاب ماجستير اللغة في أوصاف العالم، في حين تهدف النماذج العالمية إلى تصميم نموذج للعالم نفسه - هندسته وفيزياءه وديناميكياته مع مرور الوقت. إذا صمدت ادعاءات أطلس تحت التدقيق الخارجي، فإن التطبيقات تشمل المؤثرات البصرية، والألعاب، والتصميم، والهندسة، وتدريب الروبوتات، حيث يمكن للبيئات الاصطناعية ولكن المعقولة ماديًا أن تقلل بشكل كبير من تكلفة تعليم الآلات للعمل.

الشركة التي تقف وراء هذا النموذج بارزة في حد ذاتها. تم تأسيس World Labs على يد Fei-Fei Li - الأستاذ بجامعة ستانفورد الذي ساعد إنشاء ImageNet على إشعال عصر التعلم العميق - جنبًا إلى جنب مع جاستن جونسون، وبن ميلدنهال، وكريستوف لاسنر، وتشمل قائمة المستثمرين فيها a16z، وNvidia، وAMD، وIntel، وAdobe، وSalesforce، وSamsung، من بين آخرين. يتيح ماربل، المنتج الأول للشركة، للمستخدمين إنشاء عوالم ثلاثية الأبعاد مستمرة من الصور والفيديو والنصوص والتخطيطات ثلاثية الأبعاد، وقالت World Labs إن Atlas سيعمل على تشغيل الإصدارات المستقبلية منه.

أطلس ليس متاحًا بشكل عام بعد: تتلقى الشركة طلبات الوصول المبكر. ومع ذلك، يمثل الإصدار واحدة من أكثر الخطوات الملموسة حتى الآن نحو أنظمة الذكاء الاصطناعي التي لا تصف العالم المادي فحسب، بل تحتوي على نموذج متسق وقابل للتلاعب به.

---

ابقَ في طليعة الذكاء الاصطناعي

احصل على آخر الأخبار والتحليلات والإنجازات في مجال الذكاء الاصطناعي — كل ذلك في مكان واحد.

اقرأ المزيد من أخبار الذكاء الاصطناعي →