World Labs, công ty trí tuệ không gian do nhà tiên phong AI Fei-Fei Li thành lập, đã giới thiệu Atlas vào ngày 1 tháng 9 năm 2026, mô tả nó là mô hình thế giới "omni" thế hệ tiếp theo. Trong một bài đăng trên blog của công ty, nhóm cho biết Atlas đã được đào tạo trước từ đầu để vận hành nguyên bản trên văn bản, hình ảnh, video và 3D - một mô hình duy nhất được xây dựng để tạo, tái tạo và mô phỏng thế giới thay vì chuyên về bất kỳ nhiệm vụ nào trong số đó.

Sự ra mắt này là một cột mốc quan trọng đối với luận điểm về mô hình thế giới mà Li đã ủng hộ kể từ khi thành lập công ty: rằng biên giới tiếp theo của AI không chỉ nằm ở ngôn ngữ mà còn ở các hệ thống hiểu cách thế giới xuất hiện, hoạt động và phát triển. World Labs coi công nghệ này là nền tảng để hiển thị thế giới tưởng tượng cho người dùng sáng tạo, mô phỏng thế giới thực với độ trung thực cao và giúp robot lập kế hoạch hành động. Để biết thêm về vấn đề này và các nỗ lực nghiên cứu tiên phong khác, hãy khám phá thông tin về ngành AI của chúng tôi.

Một mô hình, bối cảnh không gian chung

Về mặt kiến trúc, Atlas được World Labs gọi là máy biến áp khuếch tán tự hồi quy đa phương thức. Giống như một mô hình ngôn ngữ lớn, trước tiên nó mã hóa đầu vào của nó vào một ngữ cảnh và sau đó tạo ra các đầu ra dựa trên ngữ cảnh đó. Sự khác biệt là về không gian: mỗi hình ảnh đầu vào được đặt ở một vị trí 3D trong không gian, tạo thành cái mà công ty gọi là bối cảnh không gian và Atlas tạo ra những gì xảy ra tiếp theo trong khi vẫn nhất quán 3D với mọi thứ nó đã thấy — tưởng tượng những gì nằm ngoài nó.

Thiết kế đó cho phép các khả năng khó có thể bắt kịp với các trình tạo video thông thường. Hai hình ảnh tham chiếu không liên quan có thể được đặt vào bối cảnh ở các vị trí 3D khác nhau và Atlas sẽ tạo ra một thế giới nội suy mượt mà giữa chúng, phát minh ra các ô cửa, hành lang và chuyển tiếp kết nối hai cảnh một cách hợp lý. Công ty cũng cho biết mô hình này được xây dựng theo quy mô lớn, với hiệu suất được cải thiện khi khả năng tính toán đào tạo tăng lên.

Điều khiển máy ảnh hoàn hảo đến từng pixel và video dạng dài

Tính năng tạo vùng chọn của Atlas là video được điều khiển bằng camera. Từ một đến sáu hình ảnh đầu vào, mô hình có thể tạo ra tối đa một phút video ở độ phân giải 1440p, đi theo các đường dẫn camera được chỉ định chính xác. World Labs nhấn mạnh rằng hình học của máy ảnh là loại đầu vào gốc — vượt xa các lời nhắc văn bản thô sơ — để người sáng tạo có thể đóng khung mọi cảnh quay và kiểm soát mọi chuyển động. Trong các bản demo, nhóm đã thiết kế thủ công các đường dẫn camera xuyên qua một cảnh để tạo ra một đoạn clip dài một phút mạch lạc, mô tả trải nghiệm giống như đang "ngồi trên ghế đạo diễn" thay vì kéo cần gạt của máy đánh bạc.

Mô hình này cũng tạo ra hình ảnh và ảnh toàn cảnh 360 độ từ văn bản, với khả năng làm theo các lời nhắc phức tạp, hiển thị văn bản và tạo ra nhiều kiểu hình ảnh khác nhau.

Tái thiết thách thức các mô hình chuyên môn

Về mặt tái thiết, World Labs đưa ra một tuyên bố táo bạo: Atlas tái tạo lại các cảnh trong thế giới thực chỉ từ hai hoặc ba hình ảnh thông thường, "vượt trội so với kết quả hiện đại của các mô hình được đào tạo đặc biệt chỉ để tái tạo 3D". Công ty gọi việc tổng hợp chế độ xem mới từ đầu vào thưa thớt là một vấn đề cơ bản đã tồn tại hàng thập kỷ trong thị giác máy tính 3D.

Atlas cũng có thể sử dụng hơn một trăm hình ảnh đầu vào để tái tạo trung thực môi trường thực. Trong một lần trình diễn, nhóm đã xây dựng lại Main Quad của Stanford từng mảnh từ hai đến 25 bức ảnh chụp từ mặt đất, sau đó tạo ra các đường bay trên không bay cao phía trên khuôn viên trường - lấp đầy các khung cảnh mà chưa máy ảnh nào chụp được.

Đặc biệt đối với mục đích sử dụng thực tế, Atlas không dừng lại ở khung hình 2D. Nó hoạt động chủ yếu trên các khung hình ảnh và bản đồ độ sâu 3D, xuất ra các thế giới dưới dạng đám mây điểm hoặc các biểu tượng Gaussian 3D hiển thị trên thiết bị ở độ phân giải và tốc độ khung hình cao. Đó là cách trình bày tương tự được sử dụng trong Marble, sản phẩm đầu tiên của World Labs, do đó, đầu ra của Atlas cắm trực tiếp vào quy trình hiện có của công ty.

Từ thời gian đạn đến huấn luyện robot

Khả năng mô phỏng của Atlas có thể quan trọng nhất đối với người máy. Công ty đã chứng minh rằng cảnh quay từ ba camera điện thoại di động thông thường - được gắn với giá ba chân và kẹp vừa trong ba lô - là đủ để Atlas tái tạo lại một cảnh và cho phép tái tạo khung hình "thời gian đạn" từ những góc độ không thể, không cần đến studio chụp ảnh chuyên dụng.

Đối với quy trình làm việc Real-to-Sim, Atlas tái tạo lại không gian từ các video ngắn trên điện thoại, sau đó tạo dữ liệu RGB và độ sâu mà máy ảnh gắn trên cơ thể của rô-bốt mô phỏng sẽ quan sát dọc theo một đường đi - với thế giới và chế độ xem của rô-bốt về nó đến từ cùng một mô hình. Công ty đã chứng minh khả năng điều hướng trên các môi trường được quét lớn bằng cách sử dụng 24 khung hình mỗi khung hình, cùng với các kịch bản thao tác trong đó các tác vụ mô phỏng có thể thay đổi bằng cách thay đổi đối tượng, vị trí và cảnh sau khi tác vụ được mô phỏng.

Tại sao nó lại quan trọng

Các mô hình thế giới ngày càng được coi là sự bổ sung cho các mô hình ngôn ngữ lớn: LLM suy luận về các mô tả về thế giới, trong khi các mô hình thế giới nhằm mục đích mô hình hóa chính thế giới - hình học, vật lý và động lực học theo thời gian. Nếu những tuyên bố của Atlas được chấp nhận dưới sự giám sát kỹ lưỡng từ bên ngoài, thì các ứng dụng sẽ trải rộng trên VFX, chơi game, thiết kế, kỹ thuật và đào tạo robot, trong đó môi trường tổng hợp nhưng hợp lý về mặt vật lý có thể cắt giảm đáng kể chi phí dạy máy hành động.

Công ty đằng sau mô hình này cũng đáng chú ý theo đúng nghĩa của nó. World Labs được thành lập bởi Fei-Fei Li — giáo sư Stanford, người đã tạo ra ImageNet giúp khơi dậy kỷ nguyên học sâu — cùng với Justin Johnson, Ben Mildenhall và Christoph Lassner. Danh sách nhà đầu tư của nó bao gồm a16z, Nvidia, AMD, Intel, Adobe, Salesforce và Samsung, cùng nhiều hãng khác. Marble, sản phẩm đầu tiên của công ty, cho phép người dùng tạo thế giới 3D liên tục từ hình ảnh, video, văn bản và bố cục 3D, và World Labs cho biết Atlas sẽ hỗ trợ các phiên bản tương lai của nó.

Atlas chưa có sẵn rộng rãi: công ty đang nhận yêu cầu truy cập sớm. Tuy nhiên, bản phát hành này đánh dấu một trong những bước đi cụ thể nhất đối với các hệ thống AI không chỉ mô tả thế giới vật lý mà còn giữ một mô hình nhất quán, có thể điều khiển được về thế giới đó.

---

Đi trước AI

Nhận tin tức, phân tích và đột phá mới nhất về AI — tất cả ở cùng một nơi.

Đọc thêm tin tức về AI →