World Labs发布Atlas：号称全球首个多模态世界模型，像素级相机控制生成1440p视频、稀疏图片重建3D，可为机器人生成模拟数据，未来数周开放早期访问

李飞飞创办的World Labs于9月1日通过官方X帖子发布多模态世界模型（world model）Atlas。所谓世界模型，是指学习一个场景的空间结构及其随时间的变化、进而生成新视角画面的模型。World Labs称Atlas是“全球首个”能以像素级相机控制生成图像和视频帧、并将其重建为3D的多模态世界模型。最直观的演示是：团队手工设计一条相机轨迹，仅凭7张参考图片就生成了一段1分钟、1440p分辨率的视频。

相机控制与3D重建

据官方博客，Atlas可处理文本、图像、视频和3D数据，架构为多模态自回归扩散Transformer（multimodal autoregressive diffusion transformer），输入在3D空间中定位，按序生成，把大语言模型（LLM）与视频模型的能力合到一处。模型用多样的多模态数据从零预训练；公司自测称，其在相机条件生成与3D重建基准上超过专用模型，且性能随训练算力扩展。

Atlas还能从一张到多张图片直接输出显式3D，官方称结果优于顶尖开源重建模型；输入图片越多，模型“想象”的部分越少。由于同时理解空间结构和时间演变，几台普通相机即可拼成“子弹时间”多视角拍摄棚，把动态瞬间定格下来。此外它还支持文生图与360度全景。

机器人模拟与早期访问

World Labs把机器人训练列为重点用途：Atlas能从几张照片重建空间，并生成机器人传感器在任意轨迹上会观察到的逼真RGB与深度数据，让机器人在更多场景中训练和测试。这与公司押注的“空间智能”（spatial intelligence）方向一致。

目前Atlas仅向选定合作伙伴开放早期访问，官网提供申请表，未来几周将扩大早期访问范围；价格未公布，也没有开放权重。World Labs称，Atlas还将为其创作工具Marble的后续版本提供动力。