Yapay zeka öncüsü Fei-Fei Li tarafından kurulan uzaysal zeka şirketi World Labs, 1 Eylül 2026'da Atlas'ı yeni nesil "çok yönlü" dünya modeli olarak tanımlayarak tanıttı. Şirketin blog yazısında ekip, Atlas'ın metin, resim, video ve 3D üzerinde yerel olarak çalışmak üzere sıfırdan önceden eğitildiğini ve bu görevlerden herhangi birinde uzmanlaşmak yerine dünyaları oluşturmak, yeniden yapılandırmak ve simüle etmek için oluşturulmuş tek bir model olduğunu söyledi.
Lansman, Li'nin şirketi kurduğundan beri savunduğu dünya modelleri tezi için bir dönüm noktası: Yapay zekanın bir sonraki sınırı sadece dilde değil, dünyaların nasıl göründüğünü, davrandığını ve geliştiğini anlayan sistemlerde yatıyor. World Labs, teknolojiyi, yaratıcı kullanıcılar için hayali dünyalar oluşturmanın, gerçek dünyayı yüksek doğrulukla simüle etmenin ve robotların eylemleri planlamasına yardımcı olmanın temeli olarak çerçeveliyor. Bu ve diğer öncü araştırma çalışmaları hakkında daha fazla bilgi için AI sektörü kapsamımızı inceleyin.
Tek Model, Paylaşılan Mekansal Bağlam
Mimari olarak Atlas, World Labs'ın multimodal otoregresif difüzyon transformatörü olarak adlandırdığı şeydir. Büyük bir dil modeli gibi, önce girdilerini bir bağlama kodlar ve daha sonra bu bağlama göre koşullandırılmış çıktılar üretir. Aradaki fark uzamsaldır: Her girdi görüntüsü, şirketin uzamsal bağlam olarak adlandırdığı şeyi oluşturarak uzayda 3 boyutlu bir konuma yerleştirilmiştir ve Atlas, gördüğü her şeyle 3 boyutlu tutarlı kalarak bir sonrakini oluşturur ve bunun ötesinde ne olduğunu hayal eder.
Bu tasarım, geleneksel video oluşturuculara bağlanması zor olan yetenekleri mümkün kılar. Birbiriyle ilgisiz iki referans görüntüsü farklı 3 boyutlu konumlarda bağlama yerleştirilebilir ve Atlas, iki sahne arasında makul bir köprü kuran kapılar, koridorlar ve geçişler icat ederek aralarında sorunsuz bir şekilde enterpolasyon yapan bir dünya yaratacaktır. Şirket ayrıca modelin ölçeklendirilecek şekilde oluşturulduğunu ve eğitim hesaplaması arttıkça performansın da arttığını söyledi.
Mükemmel Piksel Kamera Kontrolü ve Uzun Formatlı Video
Atlas'ın seçim çerçevesi oluşturma özelliği kamera kontrollü videodur. Model, tam olarak belirlenmiş kamera yollarını takip ederek, birden altıya kadar giriş görüntüsünden 1440p çözünürlükte bir dakikaya kadar video üretebilir. World Labs, kamera geometrisinin kaba metin istemlerinin ötesine geçen yerel bir giriş türü olduğunu, böylece yaratıcıların her çekimi çerçeveleyebileceğini ve her hareketi kontrol edebileceğini vurguluyor. Ekip, demolarda, bir dakikalık tutarlı bir klip oluşturmak için bir sahne boyunca kamera yollarını elle tasarladı ve deneyimi, bir kumar makinesinin kolunu çekmek yerine "yönetmen koltuğunda oturmak" olarak tanımladı.
Model aynı zamanda karmaşık istemleri takip etme, metni işleme ve çeşitli görsel stiller üretme becerisiyle metinden görüntüler ve 360 derecelik panoramalar da üretiyor.
Uzman Modellere meydan okuyan yeniden yapılanma
Yeniden yapılandırma tarafında, World Labs cesur bir iddiada bulunuyor: Atlas, gerçek dünya sahnelerini iki veya üç kadar sıradan görüntüden yeniden yapılandırıyor ve "yalnızca 3 boyutlu yeniden yapılandırma için özel olarak eğitilmiş modellerin son teknoloji sonuçlarından daha iyi performans gösteriyor." Şirket, seyrek girdilerden yeni görüntü sentezinin 3D bilgisayarlı görmede onlarca yıllık temel bir sorun olduğunu söylüyor.
Atlas aynı zamanda gerçek ortamların aslına sadık kalarak yeniden yaratılması için yüzden fazla girdi görüntüsünü de alabilir. Bir gösteride ekip, Stanford'un Ana Dörtlü'sünü iki ila yirmi beş yer seviyesinde fotoğraftan parça parça yeniden inşa etti, ardından kampüsün yukarısında uçan hava yolları oluşturdu ve şimdiye kadar hiçbir kameranın yakalayamadığı görüntüleri doldurdu.
Pratik kullanım açısından kritik önem taşıyan Atlas, 2 boyutlu karelerle sınırlı kalmıyor. Yerel olarak görüntü çerçeveleri ve 3 boyutlu derinlik haritaları üzerinde çalışarak, dünyaları nokta bulutları veya cihaz üzerinde yüksek çözünürlük ve kare hızlarında işleyen 3 boyutlu Gauss uyarıları olarak çıkarır. Bu, World Labs'ın ilk ürünü olan Marble'da kullanılan temsilin aynısı olduğundan Atlas çıktıları doğrudan şirketin mevcut hattına bağlanıyor.
Kurşun Zamanından Robot Eğitimine
Atlas'ın simülasyon yetenekleri robotik için en önemli şey olabilir. Şirket, tripodlar ve sırt çantasına sığacak kelepçelerle monte edilmiş en az üç sıradan cep telefonu kamerasından alınan görüntülerin, Atlas'ın bir sahneyi yeniden oluşturması ve özel bir çekim stüdyosu gerektirmeden imkansız açılardan "mermi süresi" yeniden çerçevelemeyi mümkün kılması için yeterli olduğunu gösterdi.
Gerçekten Sim'e iş akışları için Atlas, kısa telefon videolarından alanları yeniden yapılandırır ve ardından simüle edilmiş bir robotun gövdeye monte kameralarının bir yol boyunca gözlemleyeceği RGB ve derinlik verilerini üretir; dünya ve robotun dünya görüşü aynı modelden gelir. Şirket, her biri 24 kare kullanarak geniş taranmış ortamlarda gezinmeyi ve ayrıca bir görev simüle edildikten sonra nesnelerin, konumların ve sahnelerin değiştirilmesiyle simüle edilmiş görevlerin değiştirilebildiği manipülasyon senaryolarını gösterdi.
Neden Önemlidir
Dünya modelleri giderek büyük dil modellerinin bir tamamlayıcısı olarak görülüyor: Yüksek Lisanslar dünyanın tanımları hakkında mantık yürütürken, dünya modelleri dünyanın kendisini (geometrisi, fiziği ve zaman içindeki dinamikleri) modellemeyi amaçlıyor. Atlas'ın iddiaları harici inceleme altında geçerliyse, uygulamalar VFX, oyun, tasarım, mühendislik ve robot eğitimini kapsıyor; burada sentetik ancak fiziksel olarak makul ortamlar, makinelere hareket etmeyi öğretme maliyetini önemli ölçüde azaltabilir.
Modelin arkasındaki şirket kendi çapında dikkat çekiyor. World Labs, Justin Johnson, Ben Mildenhall ve Christoph Lassner'ın yanı sıra ImageNet'i oluşturmasıyla derin öğrenme çağının ateşlenmesine yardımcı olan Stanford profesörü Fei-Fei Li tarafından kuruldu ve yatırımcı listesinde diğerleri arasında a16z, Nvidia, AMD, Intel, Adobe, Salesforce ve Samsung yer alıyor. Şirketin ilk ürünü olan Marble, kullanıcıların görüntülerden, videolardan, metinlerden ve 3D düzenlerden kalıcı 3D dünyalar yaratmasına olanak tanıyor ve World Labs, Atlas'ın bunun gelecekteki sürümlerini güçlendireceğini söyledi.
Atlas henüz genel kullanıma sunulmadı: şirket erken erişim taleplerini alıyor. Yine de bu sürüm, yalnızca fiziksel dünyayı tanımlamakla kalmayıp aynı zamanda onun tutarlı, manipüle edilebilir bir modelini de barındıran yapay zeka sistemlerine yönelik şimdiye kadarki en somut adımlardan birini işaret ediyor.
---
Yapay Zekanın Önünde OlunEn son AI haberlerini, analizlerini ve buluşlarını tek bir yerden alın.
Daha fazla AI haberini okuyun →
