World Labs, חברת המודיעין המרחבית שהוקמה על ידי חלוצת הבינה המלאכותית Fei-Fei Li, הציגה את Atlas ב-1 בספטמבר 2026, ותיארה אותו כמודל העולמי ה"אומני" של הדור הבא שלה. בפוסט בבלוג של החברה, הצוות אמר כי אטלס מאומן מראש מאפס לפעול באופן מקורי על טקסט, תמונות, וידאו ותלת-ממד - מודל יחיד שנבנה כדי ליצור, לשחזר ולדמות עולמות במקום להתמחות בכל אחת מהמשימות הללו.
ההשקה היא אבן דרך לתזה של מודלים עולמיים שבה דגל לי מאז הקמת החברה: שהגבול הבא של AI טמון לא רק בשפה, אלא במערכות שמבינות כיצד עולמות מופיעים, מתנהגים ומתפתחים. World Labs ממסגר את הטכנולוגיה כבסיס לעיבוד עולמות דמיוניים עבור משתמשים יצירתיים, הדמיית העולם האמיתי בנאמנות גבוהה, ועוזר לרובוטים לתכנן פעולות. למידע נוסף על זה ועל מאמצי מחקר חזיתיים אחרים, חקור את סיקור תעשיית הבינה המלאכותית שלנו.
מודל אחד, הקשר מרחבי משותף
מבחינה ארכיטקטונית, Atlas הוא מה ש-World Labs מכנה שנאי דיפוזיה אוטורגרסיב רב-מודאלי. כמו מודל שפה גדול, הוא קודם כל מקודד את הקלט שלו לתוך הקשר ולאחר מכן מייצר פלטים המותנים על ההקשר הזה. ההבדל הוא מרחבי: כל תמונת קלט מקורקעת בעמדה תלת-ממדית בחלל, ויוצרת מה שהחברה מכנה הקשר מרחבי, ואטלס מייצר את מה שבא לאחר מכן תוך שהוא נשאר בהתאמה תלת-ממדית לכל מה שהיא ראתה - מדמיין את מה שנמצא מעבר לה.
העיצוב הזה מאפשר יכולות שיהיה מביך להתחבר למחוללי וידאו קונבנציונליים. ניתן להציב שתי תמונות התייחסות שאינן קשורות להקשר בעמדות תלת-ממד שונות, ואטלס יפיק עולם שמשתלב ביניהם בצורה חלקה, וממציא פתחי דלת, מסדרונות ומעברים המגשרים באופן סביר בין שתי הסצנות. החברה גם אמרה שהמודל בנוי לפי קנה מידה, כאשר הביצועים משתפרים ככל שגדל מחשוב האימון.
בקרת מצלמה מושלמת לפיקסלים ווידאו בפורמט ארוך
תכונת יצירת ה-Marquee של Atlas היא וידאו נשלטת על ידי מצלמה. מאחת עד שש תמונות קלט, הדגם יכול ליצור עד דקה אחת של וידאו ברזולוציית 1440p, בעקבות נתיבי מצלמה שצוינו במדויק. World Labs מדגישה שגיאומטריית המצלמה היא סוג קלט מקורי - מעבר להנחיות טקסט גסות - כך שיוצרים יכולים למסגר כל צילום ולשלוט בכל תנועה. בהדגמות, הצוות עיצב בעבודת יד מצלמה דרך סצנה כדי לייצר קליפ קוהרנטי של דקה אחת, המתאר את החוויה כ"בכיסא הבמאי" במקום למשוך את הידית של מכונת מזל.
המודל גם יוצר תמונות ופנורמה של 360 מעלות מטקסט, עם יכולת לעקוב אחר הנחיות מורכבות, עיבוד טקסט ולייצר מגוון סגנונות חזותיים.
שחזור המאתגר מודלים מומחים
בפן השחזור, World Labs טוענת טענה נועזת: אטלס משחזר סצינות בעולם האמיתי מכמה שפחות שתיים או שלוש תמונות רגילות, "מעל תוצאות מתקדמות על ידי מודלים שהוכשרו במיוחד רק לשחזור תלת מימד". החברה מכנה סינתזת ראייה חדשה מכניסות דלילות בעיה בסיסית בת עשרות שנים בראייה ממוחשבת תלת מימדית.
אטלס יכול גם לבלוע יותר ממאה תמונות קלט לבילוי נאמן של סביבות אמיתיות. בהדגמה אחת, הצוות בנה מחדש את ה-Main Quad של סטנפורד חלק אחר חלק משניים לעשרים וחמש תמונות בגובה פני הקרקע, ולאחר מכן יצר שבילים אוויריים שטסים גבוה מעל הקמפוס - וממלאים תצוגות שאף מצלמה לא תפסה מעולם.
באופן קריטי לשימוש מעשי, אטלס לא עוצר במסגרות דו-ממדיות. הוא פועל באופן מקורי על מסגרות תמונה ומפות עומק תלת-ממדיות, ומוציא עולמות כעננים נקודתיים או כתמים גאוסיים תלת-ממדיים המציגים במכשיר ברזולוציה וקצבי פריימים גבוהים. זהו אותו ייצוג המשמש ב-Marble, המוצר הראשון של World Labs, כך שתפוקות אטלס מתחברות ישירות לצינור הקיים של החברה.
מזמן כדור לאימון רובוטים
יכולות הסימולציה של אטלס עשויות להיות חשובות ביותר עבור רובוטיקה. החברה הראתה שצילומים משלוש מצלמות רגילות של טלפונים סלולריים בלבד - המורכבות עם חצובות ומהדקים המתאימים לתיק גב - מספיקים לאטלס כדי לשחזר סצנה ולאפשר מסגור מחדש של "זמן כדור" מזוויות בלתי אפשריות, ללא צורך באולפן צילום מיוחד.
עבור זרימות עבודה של Real-to-Sim, אטלס משחזר מרחבים מסרטוני טלפון קצרים ולאחר מכן מייצר את נתוני ה-RGB והעומק שמצלמות המדומות על הגוף של רובוט היו צופים לאורך נתיב - כשהעולם והראייה של הרובוט עליו מגיעים מאותו דגם. החברה הפגינה ניווט על פני סביבות סרוקות גדולות תוך שימוש ב-24 פריימים כל אחת, בתוספת תרחישי מניפולציה שבהם ניתן לגוון משימות מדומות על ידי שינוי אובייקטים, מיקומים וסצינות לאחר הדמיה של משימה.
למה זה חשוב
מודלים עולמיים נתפסים יותר ויותר כהשלמה למודלים של שפות גדולות: LLMs חושבים על תיאורי העולם, בעוד שמודלים עולמיים שואפים לדגמן את העולם עצמו - הגיאומטריה, הפיזיקה והדינמיקה שלו לאורך זמן. אם הטענות של אטלס עומדות בבדיקה חיצונית, היישומים משתרעים על פני VFX, משחקים, עיצוב, הנדסה והכשרת רובוטים, שבהם סביבות סינתטיות אך סבירות פיזית עשויות להוזיל באופן דרמטי את העלות של הוראת מכונות לפעול.
החברה שמאחורי הדגם בולטת בזכות עצמה. World Labs הוקמה על ידי Fei-Fei Li - הפרופסור מסטנפורד שיצירתו של ImageNet סייעה להצית את עידן הלמידה העמוק - לצד ג'סטין ג'ונסון, בן מילדנהול וכריסטוף לאסנר, ורשימת המשקיעים שלה כוללת את a16z, Nvidia, AMD, Intel, Adobe, Salesforce, וסמסונג, בין היתר. Marble, המוצר הראשון של החברה, מאפשר למשתמשים ליצור עולמות תלת-ממד מתמשכים מתמונות, וידאו, טקסט ופריסות תלת-ממד, ו-World Labs אמרו כי אטלס יפעיל גרסאות עתידיות שלו.
אטלס עדיין לא זמין באופן כללי: החברה מקבלת בקשות לגישה מוקדמת. ובכל זאת, המהדורה מסמנת את אחד הצעדים הקונקרטיים ביותר עד כה לעבר מערכות בינה מלאכותית שאינן מתארות רק את העולם הפיזי, אלא מחזיקות מודל עקבי וניתן למניפולציה שלו.
---
הישאר לפני AIקבל את החדשות, הניתוחים ופריצות הדרך האחרונות של AI - הכל במקום אחד.
קרא עוד חדשות AI →
