World Labs, a empresa de inteligência espacial fundada pelo pioneiro da IA Fei-Fei Li, apresentou o Atlas em 1º de setembro de 2026, descrevendo-o como seu modelo mundial “omni” de próxima geração. Em uma postagem no blog da empresa, a equipe disse que o Atlas é pré-treinado do zero para operar nativamente em texto, imagens, vídeo e 3D – um modelo único construído para gerar, reconstruir e simular mundos, em vez de se especializar em qualquer uma dessas tarefas.
O lançamento é um marco para a tese dos modelos mundiais que Li defende desde a fundação da empresa: que a próxima fronteira da IA reside não apenas na linguagem, mas em sistemas que compreendem como os mundos aparecem, se comportam e evoluem. O World Labs enquadra a tecnologia como base para a renderização de mundos imaginados para usuários criativos, simulando o mundo real em alta fidelidade e ajudando os robôs a planejar ações. Para saber mais sobre este e outros esforços de pesquisa de ponta, explore nossa cobertura do setor de IA.
Um modelo, um contexto espacial compartilhado
Arquitetonicamente, Atlas é o que o World Labs chama de transformador de difusão autoregressivo multimodal. Como um grande modelo de linguagem, ele primeiro codifica suas entradas em um contexto e depois gera saídas condicionadas a esse contexto. A diferença é espacial: cada imagem de entrada é baseada em uma posição 3D no espaço, formando o que a empresa chama de contexto espacial, e o Atlas gera o que vem a seguir enquanto permanece consistente em 3D com tudo o que viu – imaginando o que está além dele.
Esse design permite recursos que seriam difíceis de implementar em geradores de vídeo convencionais. Duas imagens de referência não relacionadas podem ser colocadas no contexto em diferentes posições 3D, e o Atlas irá gerar um mundo que interpola suavemente entre elas, inventando portas, corredores e transições que ligam as duas cenas de forma plausível. A empresa também disse que o modelo é construído em escala, com desempenho melhorando à medida que a computação de treinamento aumenta.
Controle de câmera com pixels perfeitos e vídeo de formato longo
O recurso de geração de letreiro do Atlas é o vídeo controlado por câmera. De uma a seis imagens de entrada, o modelo pode gerar até um minuto de vídeo com resolução de 1440p, seguindo caminhos de câmera especificados com precisão. O World Labs enfatiza que a geometria da câmera é um tipo de entrada nativo – indo além de solicitações de texto grosseiro – para que os criadores possam enquadrar cada foto e controlar cada movimento. Nas demos, a equipe projetou manualmente os caminhos da câmera através de uma cena para produzir um clipe coerente de um minuto, descrevendo a experiência como sendo “na cadeira do diretor” em vez de puxar a alavanca de uma máquina caça-níqueis.
O modelo também gera imagens e panoramas de 360 graus a partir de texto, com a capacidade de seguir instruções complexas, renderizar texto e produzir uma variedade de estilos visuais.
Reconstrução que desafia modelos especializados
No lado da reconstrução, o World Labs faz uma afirmação ousada: o Atlas reconstrói cenas do mundo real a partir de apenas duas ou três imagens comuns, “superando os resultados de última geração obtidos por modelos especialmente treinados apenas para reconstrução 3D”. A empresa considera a síntese de novas visualizações a partir de entradas esparsas um problema fundamental de décadas na visão computacional 3D.
O Atlas também pode ingerir mais de cem imagens de entrada para recriação fiel de ambientes reais. Numa demonstração, a equipe reconstruiu o Main Quad de Stanford, peça por peça, a partir de duas a vinte e cinco fotos ao nível do solo, e depois gerou trajetórias aéreas voando alto acima do campus – preenchendo vistas que nenhuma câmera jamais capturou.
Criticamente para uso prático, o Atlas não para nos quadros 2D. Ele opera nativamente em quadros de imagem e mapas de profundidade 3D, gerando mundos como nuvens de pontos ou splats gaussianos 3D que são renderizados no dispositivo em alta resolução e taxas de quadros. Essa é a mesma representação usada no Marble, o primeiro produto do World Labs, de modo que os resultados do Atlas se conectam diretamente ao pipeline existente da empresa.
Do Bullet Time ao treinamento do robô
Os recursos de simulação do Atlas podem ser mais importantes para a robótica. A empresa mostrou que imagens de apenas três câmeras comuns de telefones celulares - montadas com tripés e grampos que cabem em uma mochila - são suficientes para a Atlas reconstruir uma cena e permitir o reenquadramento "bullet time" de ângulos impossíveis, sem necessidade de estúdio de captura especializado.
Para fluxos de trabalho Real-to-Sim, o Atlas reconstrói espaços a partir de vídeos curtos de telefone e, em seguida, gera os dados RGB e de profundidade que as câmeras montadas no corpo de um robô simulado observariam ao longo de um caminho - com o mundo e a visão que o robô tem dele vindo do mesmo modelo. A empresa demonstrou navegação em grandes ambientes digitalizados usando 24 quadros cada, além de cenários de manipulação onde as tarefas simuladas podem ser variadas alterando objetos, posições e cenas assim que uma tarefa é simulada.
Por que é importante
Os modelos mundiais são cada vez mais vistos como um complemento aos grandes modelos de linguagem: os LLMs raciocinam sobre descrições do mundo, enquanto os modelos mundiais visam modelar o próprio mundo – a sua geometria, física e dinâmica ao longo do tempo. Se as afirmações da Atlas se mantiverem sob escrutínio externo, as aplicações abrangem efeitos visuais, jogos, design, engenharia e treinamento de robôs, onde ambientes sintéticos, mas fisicamente plausíveis, poderiam reduzir drasticamente o custo de ensinar as máquinas a agir.
A empresa por trás do modelo é notável por si só. O World Labs foi fundado por Fei-Fei Li – o professor de Stanford cuja criação do ImageNet ajudou a iniciar a era do aprendizado profundo – ao lado de Justin Johnson, Ben Mildenhall e Christoph Lassner, e sua lista de investidores inclui a16z, Nvidia, AMD, Intel, Adobe, Salesforce e Samsung, entre outros. O Marble, o primeiro produto da empresa, permite aos usuários criar mundos 3D persistentes a partir de imagens, vídeos, textos e layouts 3D, e o World Labs disse que o Atlas impulsionará versões futuras dele.
O Atlas ainda não está disponível ao público: a empresa está aceitando solicitações de acesso antecipado. Ainda assim, o lançamento marca um dos passos mais concretos em direção a sistemas de IA que não apenas descrevem o mundo físico, mas mantêm um modelo consistente e manipulável dele.
---
Fique à frente da IAReceba as últimas notícias, análises e avanços sobre IA — tudo em um só lugar.
Leia mais notícias sobre IA →
