Fei-Fei Liが共同創業者の1人であるWorld Labsは、空間知能向けに開発した世界モデル「Atlas」を発表した。同社が「オムニモデル」と位置付けるAtlasは、テキスト、画像、動画、3Dデータを同一のアーキテクチャで処理する、ゼロから事前学習されたマルチモーダル自己回帰型拡散Transformerだ。このモデルは、入力を共通の空間コンテキスト内で統合し、シーンの見えていない領域を予測できる。
Atlasは、カメラの位置と移動経路を直接入力として受け付け、1～6枚の参照画像と指定された経路から、1440pの解像度で最長1分の動画を生成できる。1枚または複数の画像から、新たな視点、3Dジオメトリ、点群、「3D Gaussian splat」の出力を生成できる。World Labsは、少数の画像を用いた3D再構築で一部のオープンソースモデルを上回ったとしているが、その結果は独立機関によって検証されていない。
このモデルは、スマートフォンで撮影した映像からロボティクス向けのシミュレーション環境を構築できる。AtlasはMarbleやその他の製品の基盤となる予定で、現時点では一部のパートナー向けに早期アクセスとして提供されている。価格、一般提供の時期、モデルの規模、学習に使用した計算能力は公表されていない。World Labsは2024年に設立され、物理世界を3次元の関係性とともに理解するシステムの開発を目指している。
なぜ重要なのか
Atlasの本質的な違いは、異なる種類のデータを単に同時に処理するだけでなく、それらをシーン内の空間的な関係性の中で評価することを目指している点にある。このアプローチにより、物理世界に関するデジタルコンテンツの生成で、2次元画像の先へ進める可能性がある。新たな視点、3Dジオメトリ、ロボティクス向けのシミュレーション環境を生成できることは、この技術を単なる動画生成ツールから、物理環境のモデリングへと結び付けるものだ。一方で、World Labsによる一部の比較結果はまだ独立した形で検証されていないため、性能に関する主張の範囲は明らかになっていない。Atlasが選ばれたパートナーに限定して提供されていることも、こうした能力がさまざまな利用シナリオでどの程度実用化できるのかを、現時点では示していない。価格、一般提供の時期、技術的な規模に関する情報が公表されていないことも、利用可能性や必要なリソースについて不確実性を生んでいる。
背景
Worldは、FikirPilotのアーカイブにおいて新しい名前ではない。過去90日間にこの名前が登場するニュースを1本掲載しており、その記事の日付は2026年8月25日だ。