Atlas：World Labs 的新一代空间智能世界模型
Atlas: A World Model for Spatial Intelligence
World Labs 推出了名为 Atlas 的下一代世界模型，旨在实现真正的空间智能。这是一个从头预训练的 omni 模型，原生支持文本、图像、视频和 3D 数据的统一处理。Atlas 不仅能进行像素级精准的相机控制生成，还能从少量输入图像中重建真实场景的 3D 几何结构，甚至支持时空模拟。它让机器人训练中的 Real-to-Sim 工作流变得前所未有的简单，只需几段手机拍摄的视频即可构建高保真仿真环境。无论是生成连贯的长视频，还是输出 3D Gaussian splats，Atlas 都展现了在理解世界外观、行为及演化方面的强大能力，为未来的创意工具和机器人技术奠定了坚实基础。
Atlas 利用该上下文来生成接下来的内容，确保与其所见的一切在 3D 空间中保持一致，并想象出视野之外的景象。
HN 评论区
59- teraflop
这篇博客似乎没提到我认为这类模型最有趣的应用，即从其潜在空间（latent space）中提取语义信息。文中提到了机器人应用，但仅限于为仿真生成逼真的世界模型。
如果你把机器人部署在某个环境中，生成该环境的合成视图并没有明显的价值。真正有价值的是模型用来生成这些合成视图的潜在知识。
例如，Atlas 能够识别输入图像中看起来像“地板”的区域，并对它们进行平滑插值，用更多地板填充空隙，这表明它从训练数据的示例中学到了“类地板的可行走性”这一概念。而能够识别出对应于该语义标签的 3D 空间区域，显然对机器人的路径规划非常有用。
关于例如使用神经网络从点云估算可行走区域的文献已经很多。你可以想象直接把其中一种方法接在 Atlas 前面，使用合成的点云（而不是传统的摄影测量或 LIDAR）作为输入。但这似乎不仅效率低下，而且浪费了大量潜在的有用语义信息。
- Vakaiser
这太不可思议了。我已经在思考的一个潜在应用是视频游戏地图布局（map blocking）的快速迭代。能够投入一些“初始状态”配置，然后让它程序化地生成几种替代配置，可以让快速原型制作变得显著更快，特别是如果你想看看潜在的最终结果会是什么样子。
此外，能够从 Atlas 提取并处理世界几何结构和 3D 对象，可以减少独立开发（indy development）早期阶段的摩擦，因为那时开发者的时间往往被拉得更紧。
如果这只是未来的一个缩影，我对 AI 工具的未来发展感到非常兴奋。
- jcjohns
我是 World Labs 的联合创始人——很乐意回答关于 Atlas 的问题！
- thinkingkong
“世界模型”（world model）到底是什么意思？我看到这个词被以如此多的方式用于描述各种 SOTA（最先进）的东西，以至于它已经失去了原本的意义。
- ACCount37
这是一个很有前景的方法——演示也充分展示了如今“从 2D 重建 3D”的技术已经多么先进和稳健。
专用的深度传感器曾经是高级机器人平台的必备品——获取接近可靠 3D 点云的唯一方法就是旋转 LiDAR。但到现在，如果有越来越多的机器人搭载类似智能手机的摄像头模组（不同的视场角和焦距，但几乎没有明确的深度传感功能，甚至完全没有），我也不会感到惊讶。
另外，我想知道这个模型本身是否可以改装成真正的机器人 VLA？如果它已经能接受文本和图像引导，执行新视角的自回归扩散，并处理时间动态——为什么不能对动作也进行扩散呢？