XNews

World Labs、Atlasワールドモデルを発表

World Labs、Atlasワールドモデルを発表

World Labsは、テキスト、画像、動画、3D処理を単一の自己回帰型拡散Transformerアーキテクチャ内でネイティブに統合するために、ゼロから事前学習されたマルチモーダルワールドモデルAtlasをリリースした。 - 核心的な革新: 「空間コンテキスト」 – 各画像/深度マップは明示的に3Dポーズに配置され、幾何学的入力(自然言語ではなく)によるピクセルレベルのカメラ制御と、文脈内空間推論(例えば、想像上の廊下で無関係な写真を結びつける)を可能にする。 - カメラ制御可能な生成: 単一/複数画像入力 + 正確なカメラパス → 最大1分間、1440pの3D一貫性と視野を超えた外挿を備えた動画。 - 空間再構成: 1~100枚以上のスパース画像から、2~3枚の画像で特殊なSOTAモデル(VGGT、π³、Depth Anything 3)を超える;ネイティブに点群と3D Gaussian Splattingを出力し、生成からレンダリング可能なアセットへの橋渡し;入力画像数で忠実な再構成と創造的な補完のトレードオフを制御。 - 時空間シミュレーション: 複数台のスマートフォン映像から「バレットタイム」効果;24fpsのスマートフォン動画からReal-to-Simロボットシミュレーション、ロボットカメラ用のRGB+深度を生成し、剛体・関節・変形可能オブジェクト操作をサポート、プログラム可能なシーン変化でトレーニングデータを拡張。 - 画像生成: テキストから画像、テキストレンダリング、360°パノラマ――副産物として説明される。 - ベンチマーク: カメラ制御の勝率は軌跡の複雑さに応じて向上し、構造的優位性を示す;スパースビュー3D再構成誤差は、複数の学術ベンチマークで最高のオープンソース専門モデルよりも低い;スケーリング挙動は、計算量の増加ごとに新たな能力が解放されることを示唆し、計算力とデータのフライホイールによる堀(モート)を指し示す。

Key insights

Atlasはワールドモデリングにおける世代的な飛躍を表す

Atlasは、World Labsの前世代よりもはるかに強力であり、単一の画像から完全な3Dシーンを作成し、時間的進化を理解することができると説明されている。複数の画像を共有の空間コンテキストに統合し、各画像を特定の3D位置に固定して一貫性を確保しながら、見えないコンテンツを想像する。この統一アーキテクチャは、生成、再構成、シミュレーションを処理し、従来のモデルからの大きな進歩を示している。

空間コンテキストは、文脈内3D推論を可能にする鍵となる革新

各画像/深度マップを明示的に3Dポーズに配置することで、Atlasはカメラ軌跡がテキストプロンプトではなく幾何学的入力となるピクセルレベルのカメラ制御を獲得する。この構造的な違いにより、モデルは同じ3Dコンテキストに配置された無関係な写真間の接続を「想像」することができ、実質的にLLMスタイルの文脈内学習を空間的意味論にもたらす。その利点は、第三者による人間評価で示されているように、カメラ軌跡の複雑さに応じて増大する。

空間再構成は専用の最先端モデルを凌駕

公式ベンチマークによると、Atlasはわずか2~3枚のスパース画像から、VGGT、π³、Depth Anything 3などの専門オープンソースモデルよりも低い誤差でシーンを再構成できる。すべてのベースラインは公平性のために再現された。Atlasはネイティブに点群と3D Gaussian Splattingを出力し、これはWorld LabsのMarble製品で使用されているのと同じ表現であり、生成からレンダリング可能な3Dアセットへの直接的なパイプラインを構築する。エレガントなインタラクションデザインにより、ユーザーは入力画像数によって忠実度と創造性のトレードオフを制御できる。

Real-to-Simパイプラインは具現化AIにおいて最も高い商業的可能性を持つ

Atlasは24fpsのスマートフォン動画を取り込み、環境を再構成し、ロボットの自己中心的なRGB+深度ビューを生成して、剛体、関節、変形可能なオブジェクト操作をシミュレートできる。オブジェクト、照明、背景をプログラム的に変更する能力により、スケーラブルなトレーニングデータ生成が可能になり、具現化知能におけるデータのボトルネックに直接対処する。この機能は、モデルの最も商業的に価値のある側面として強調されている。

スケーリング挙動は、単なるアルゴリズム上の優位性ではなく、計算力とデータのフライホイールを示唆

計算予算の増加ごとにAtlasで新たな能力が解放され、ワールドモデルがLLMと同様のスケーリング則に従う可能性を示している。この傾向が続けば、World Labsの競争上の堀は、単一のアルゴリズム的ブレークスルーではなく、持続的な計算力とデータのスケーリングに基づいて構築され、競合他社が急速に追いつくことを困難にするだろう。

Source posts