World Labs ដែលជាក្រុមហ៊ុនស៊ើបការណ៍សម្ងាត់ដែលបង្កើតឡើងដោយអ្នកត្រួសត្រាយ AI Fei-Fei Li បានណែនាំ Atlas កាលពីថ្ងៃទី 1 ខែកញ្ញា ឆ្នាំ 2026 ដោយពណ៌នាថាវាជាគំរូពិភពលោក "omni" ជំនាន់ក្រោយរបស់ខ្លួន។ នៅក្នុងការបង្ហោះប្លក់របស់ក្រុមហ៊ុន ក្រុមការងារបាននិយាយថា Atlas ត្រូវបានបណ្តុះបណ្តាលពីដំបូងរហូតដល់ដំណើរការដើមនៅលើអត្ថបទ រូបភាព វីដេអូ និង 3D ដែលជាគំរូតែមួយដែលបង្កើតឡើងដើម្បីបង្កើត បង្កើតឡើងវិញ និងក្លែងធ្វើពិភពលោកជាជាងជំនាញក្នុងកិច្ចការណាមួយនោះ។

ការបើកដំណើរការនេះគឺជាព្រឹត្តិការណ៍ដ៏សំខាន់មួយសម្រាប់និក្ខេបបទគំរូពិភពលោកដែលលោក Li បានឈ្នះចាប់តាំងពីការបង្កើតក្រុមហ៊ុន៖ ថាព្រំដែនបន្ទាប់នៃ AI មិនមែនត្រឹមតែជាភាសាប៉ុណ្ណោះទេ ប៉ុន្តែនៅក្នុងប្រព័ន្ធដែលយល់ពីរបៀបដែលពិភពលោកលេចឡើង ឥរិយាបថ និងការវិវត្ត។ World Labs បង្កើតបច្ចេកវិទ្យាជាមូលដ្ឋានគ្រឹះសម្រាប់បង្ហាញពិភពស្រមើស្រមៃសម្រាប់អ្នកប្រើប្រាស់ប្រកបដោយភាពច្នៃប្រឌិត ក្លែងធ្វើពិភពពិតប្រកបដោយភាពស្មោះត្រង់ និងជួយមនុស្សយន្តធ្វើផែនការសកម្មភាព។ សម្រាប់ព័ត៌មានបន្ថែមអំពីកិច្ចខិតខំប្រឹងប្រែងស្រាវជ្រាវព្រំដែននេះ និងផ្នែកផ្សេងៗទៀត សូមស្វែងរក [ការគ្របដណ្តប់ឧស្សាហកម្ម AI] (https://aibuzzwire.news) របស់យើង។

គំរូមួយ បរិបទផ្នែកលំហដែលបានចែករំលែក

តាមស្ថាបត្យកម្ម Atlas គឺជាអ្វីដែល World Labs ហៅថា Multimodal autoregressive diffusion transformer។ ដូចជាគំរូភាសាធំមួយ ដំបូងវាបំប្លែងធាតុចូលរបស់វាទៅក្នុងបរិបទ ហើយបន្ទាប់មកបង្កើតលទ្ធផលដែលកំណត់លើបរិបទនោះ។ ភាពខុសប្លែកគ្នាគឺមានលក្ខណៈជាលំហ៖ រូបភាពបញ្ចូលនីមួយៗត្រូវបានផ្អែកលើទីតាំង 3D ក្នុងលំហ បង្កើតបានជាអ្វីដែលក្រុមហ៊ុនហៅថាបរិបទលំហ ហើយ Atlas បង្កើតនូវអ្វីដែលកើតឡើងបន្ទាប់ ខណៈពេលដែលរក្សា 3D ស្របជាមួយនឹងអ្វីគ្រប់យ៉ាងដែលវាបានឃើញ — ស្រមៃមើលអ្វីដែលលើសពីវា។

ការ​រចនា​នោះ​អនុញ្ញាត​ឱ្យ​មាន​សមត្ថភាព​ដែល​នឹង​មាន​ភាព​ឆ្គាំឆ្គង​ក្នុង​ការ​ដាក់​លើ​ម៉ាស៊ីន​បង្កើត​វីដេអូ​ធម្មតា។ រូបភាពឯកសារយោងដែលមិនទាក់ទងគ្នាពីរអាចត្រូវបានដាក់ចូលទៅក្នុងបរិបទនៅទីតាំង 3D ផ្សេងគ្នា ហើយ Atlas នឹងបង្កើតពិភពលោកដែលរួមបញ្ចូលគ្នាយ៉ាងរលូនរវាងពួកវា បង្កើតច្រកទ្វារ សាលធំ និងការផ្លាស់ប្តូរដែលភ្ជាប់ទិដ្ឋភាពទាំងពីរ។ ក្រុមហ៊ុន​ក៏​បាន​និយាយ​ផង​ដែរ​ថា​ម៉ូដែល​នេះ​ត្រូវ​បាន​បង្កើត​ឡើង​ដើម្បី​ធ្វើ​មាត្រដ្ឋាន​ជាមួយ​នឹង​ការ​ធ្វើ​ការ​កាន់​តែ​ប្រសើរ​ឡើង​ខណៈ​ដែល​ការ​បណ្តុះ​បណ្តាល​កុំព្យូទ័រ​កើនឡើង។

ការគ្រប់គ្រងកាមេរ៉ាដ៏ល្អឥតខ្ចោះ និងវីដេអូទម្រង់វែង

លក្ខណៈពិសេសជំនាន់របស់ Atlas គឺវីដេអូដែលគ្រប់គ្រងដោយកាមេរ៉ា។ ពីមួយទៅប្រាំមួយរូបភាពបញ្ចូល ម៉ូដែលអាចបង្កើតវីដេអូរហូតដល់មួយនាទីក្នុងកម្រិតភាពច្បាស់ 1440p ដោយធ្វើតាមផ្លូវកាមេរ៉ាដែលបានបញ្ជាក់យ៉ាងជាក់លាក់។ World Labs សង្កត់ធ្ងន់ថាធរណីមាត្ររបស់កាមេរ៉ាគឺជាប្រភេទបញ្ចូលដើម - លើសពីការប្រាប់ពីអត្ថបទមិនច្បាស់ - ដូច្នេះអ្នកបង្កើតអាចដាក់រូបភាពគ្រប់រូបភាព និងគ្រប់គ្រងគ្រប់ចលនាទាំងអស់។ នៅក្នុងការបង្ហាញ ក្រុមការងារបានរចនាកាមេរ៉ាដោយដៃឆ្លងកាត់ឈុតឆាកមួយ ដើម្បីបង្កើតឈុតខ្លីមួយនាទីដែលស៊ីសង្វាក់គ្នា ដោយពណ៌នាអំពីបទពិសោធន៍ថាជា "នៅក្នុងកៅអីនាយក" ជាជាងទាញដងថ្លឹងនៃម៉ាស៊ីនរន្ធដោត។

ម៉ូដែលនេះក៏បង្កើតរូបភាព និងទេសភាព 360 ដឺក្រេពីអត្ថបទ ដោយមានសមត្ថភាពធ្វើតាមការជំរុញដ៏ស្មុគស្មាញ បង្ហាញអត្ថបទ និងបង្កើតស្ទីលដែលមើលឃើញផ្សេងៗគ្នា។

ការកសាងឡើងវិញដែលប្រឈមនឹងគំរូអ្នកឯកទេស

នៅផ្នែកខាងការកសាងឡើងវិញ មន្ទីរពិសោធន៍ពិភពលោកធ្វើការអះអាងយ៉ាងម៉ឺងម៉ាត់៖ Atlas បង្កើតឡើងវិញនូវឈុតឆាកពិភពពិតពីរូបភាពធម្មតាចំនួនពីរ ឬបី "ធ្វើឱ្យលទ្ធផលនៃសិល្បៈទាន់សម័យដោយម៉ូដែលដែលត្រូវបានបណ្តុះបណ្តាលជាពិសេសសម្រាប់តែការស្ថាបនាឡើងវិញ 3D"។ ក្រុមហ៊ុនបានហៅការសំយោគទិដ្ឋភាពប្រលោមលោកពីការបញ្ចូលតិចតួចដែលជាបញ្ហាជាមូលដ្ឋានដែលមានអាយុកាលរាប់ទសវត្សរ៍នៅក្នុងចក្ខុវិស័យកុំព្យូទ័រ 3D ។

Atlas ក៏អាចបញ្ចូលរូបភាពបញ្ចូលច្រើនជាងមួយរយសម្រាប់ការកម្សាន្ដដ៏ស្មោះត្រង់នៃបរិស្ថានពិត។ នៅក្នុងការបង្ហាញមួយ ក្រុមការងារបានសាងសង់ Main Quad របស់ Stanford ឡើងវិញដោយដុំៗ ពីរូបថតកម្រិតដីពីពីរទៅម្ភៃប្រាំ បន្ទាប់មកបានបង្កើតផ្លូវអាកាសដែលហោះហើរខ្ពស់ពីលើបរិវេណសាលា — បំពេញទិដ្ឋភាពដែលមិនមានកាមេរ៉ាធ្លាប់ថតបាន។

សំខាន់សម្រាប់ការប្រើប្រាស់ជាក់ស្តែង Atlas មិនឈប់នៅស៊ុម 2D ទេ។ វាដំណើរការពីដើមនៅលើស៊ុមរូបភាព និងផែនទីជម្រៅ 3D បង្ហាញពិភពលោកជាចំណុចពពក ឬ 3D Gaussian splats ដែលបង្ហាញនៅលើឧបករណ៍ក្នុងកម្រិតគុណភាពបង្ហាញខ្ពស់ និងអត្រាស៊ុម។ នោះគឺជាតំណាងដូចគ្នាដែលប្រើក្នុងថ្មម៉ាប ដែលជាផលិតផលដំបូងរបស់ World Labs ដូច្នេះលទ្ធផល Atlas ដោតដោយផ្ទាល់ទៅក្នុងបំពង់ដែលមានស្រាប់របស់ក្រុមហ៊ុន។

ពីពេលវេលាគ្រាប់កាំភ្លើងដល់ការបណ្តុះបណ្តាលមនុស្សយន្ត

សមត្ថភាពក្លែងធ្វើរបស់ Atlas អាចមានសារៈសំខាន់បំផុតសម្រាប់មនុស្សយន្ត។ ក្រុមហ៊ុនបានបង្ហាញថា ខ្សែវីដេអូពីកាមេរ៉ាទូរសព្ទធម្មតាចំនួន 3 គ្រឿង ដែលបំពាក់ដោយជើងកាមេរ៉ា និងក្ដាប់ដែលសមនឹងកាបូបស្ពាយ គឺគ្រប់គ្រាន់សម្រាប់ Atlas ដើម្បីបង្កើតឈុតឆាកឡើងវិញ និងបើក "ពេលវេលាគ្រាប់កាំភ្លើង" ដែលឆ្លុះបញ្ចាំងពីមុំដែលមិនអាចទៅរួច មិនចាំបាច់មានស្ទូឌីយោចាប់យកឯកទេសទេ។

សម្រាប់ដំណើរការការងារ Real-to-Sim Atlas បង្កើតចន្លោះឡើងវិញពីវីដេអូទូរសព្ទខ្លីៗ ហើយបន្ទាប់មកបង្កើតទិន្នន័យ RGB និងជម្រៅ ដែលកាមេរ៉ាដែលបំពាក់លើរាងកាយរបស់មនុស្សយន្តដែលបានក្លែងធ្វើនឹងសង្កេតតាមផ្លូវមួយ — ជាមួយនឹងពិភពលោក និងទិដ្ឋភាពរបស់មនុស្សយន្តដែលវាមកពីគំរូដូចគ្នា។ ក្រុមហ៊ុនបានបង្ហាញពីការរុករកជុំវិញបរិយាកាសស្កែនធំដោយប្រើ 24 ស៊ុមនីមួយៗ បូករួមទាំងសេណារីយ៉ូនៃការរៀបចំដែលកិច្ចការដែលបានក្លែងធ្វើអាចផ្លាស់ប្តូរបានដោយការផ្លាស់ប្តូរវត្ថុ ទីតាំង និងឈុតឆាក នៅពេលដែលកិច្ចការមួយត្រូវបានក្លែងធ្វើ។

ហេតុអ្វីវាសំខាន់

គំរូពិភពលោកត្រូវបានគេមើលឃើញកាន់តែខ្លាំងឡើងថាជាការបំពេញបន្ថែមលើគំរូភាសាធំៗ៖ LLMs ហេតុផលអំពីការពិពណ៌នាអំពីពិភពលោក ខណៈដែលគំរូពិភពលោកមានគោលបំណងធ្វើគំរូពិភពលោកដោយខ្លួនឯង — ធរណីមាត្រ រូបវិទ្យា និងថាមវន្តរបស់វាតាមពេលវេលា។ ប្រសិនបើការអះអាងរបស់ Atlas ស្ថិតក្រោមការត្រួតពិនិត្យពីខាងក្រៅ នោះកម្មវិធីមានវិសាលភាពលើ VFX ការលេងហ្គេម ការរចនា វិស្វកម្ម និងការបណ្តុះបណ្តាលមនុស្សយន្ត ដែលបរិស្ថានសំយោគ ប៉ុន្តែអាចទុកចិត្តបានអាចកាត់បន្ថយថ្លៃដើមនៃម៉ាស៊ីនបង្រៀនដើម្បីធ្វើសកម្មភាព។

ក្រុមហ៊ុននៅពីក្រោយម៉ូដែលនេះគឺគួរឱ្យកត់សម្គាល់នៅក្នុងសិទ្ធិរបស់ខ្លួន។ World Labs ត្រូវបានបង្កើតឡើងដោយ Fei-Fei Li ដែលជាសាស្ត្រាចារ្យនៅ Stanford ដែលការបង្កើត ImageNet បានជួយបញ្ឆេះសម័យកាលសិក្សាដ៏ស៊ីជម្រៅ រួមជាមួយ Justin Johnson, Ben Mildenhall និង Christoph Lassner ហើយបញ្ជីអ្នកវិនិយោគរបស់វារួមមាន a16z, Nvidia, AMD, Intel, Adobe, Salesforce និង Samsung ក្នុងចំណោមអ្នកវិនិយោគផ្សេងទៀត។ Marble ដែលជាផលិតផលដំបូងរបស់ក្រុមហ៊ុន អនុញ្ញាតឱ្យអ្នកប្រើប្រាស់បង្កើតពិភព 3D ជាប់លាប់ពីរូបភាព វីដេអូ អត្ថបទ និងប្លង់ 3D ហើយ World Labs បាននិយាយថា Atlas នឹងផ្តល់ថាមពលដល់កំណែនាពេលអនាគតរបស់វា។

Atlas មិន​ទាន់​មាន​ជា​ទូទៅ​នៅ​ឡើយ​ទេ៖ ក្រុមហ៊ុន​កំពុង​ទទួល​សំណើ​សម្រាប់​ការ​ចូល​ប្រើប្រាស់​មុន​ពេល​កំណត់។ ទោះបីជាយ៉ាងណាក៏ដោយ ការចេញផ្សាយនេះបានកត់សម្គាល់នូវជំហានជាក់ស្តែងបំផុតមួយឆ្ពោះទៅរកប្រព័ន្ធ AI ដែលមិនគ្រាន់តែពណ៌នាអំពីពិភពរូបវន្តប៉ុណ្ណោះទេ ប៉ុន្តែមានគំរូដែលអាចគ្រប់គ្រងបានជាប់លាប់។

---

ស្នាក់នៅមុន AI

ទទួលបានព័ត៌មាន AI ការវិភាគ និងរបកគំហើញចុងក្រោយបំផុត — ទាំងអស់នៅកន្លែងតែមួយ។

អានព័ត៌មាន AI បន្ថែម →