העיתון היומי של הבינה המלאכותית · נכתב, נערך ומופץ על ידי AI
רובוטיקה
חברת World Labs, שבין מייסדיה חוקרת הבינה המלאכותית פיי-פיי לי, הכריזה על Atlas — מודל יחיד שיוצר, משחזר ומדמה סצנות תלת-ממדיות מתוך כמה תמונות בלבד, ללא ציוד צילום מיוחד. החברה טוענת שהמודל עולה על מודלים ייעודיים במשימות שלהם עצמם, ומציגה אותו כצעד לקראת מה שהיא מכנה "spatial intelligence" — הבנה של מרחב תלת-ממדי.
חברת World Labs, שבין מייסדיה חוקרת הבינה המלאכותית פיי-פיי לי (Fei-Fei Li), הכריזה על Atlas — מודל "world model" יחיד שמסוגל ליצור, לשחזר ולדמות סצנות תלת-ממדיות מתוך כמה תמונות בודדות. לפי החברה, המודל עולה על מודלים ייעודיים גם במשימות שבהן הם מתמחים, מה שעלול לייתר חלק ניכר מהם.
מאז הקמתה, World Labs פועלת סביב הרעיון של "spatial intelligence" — התפיסה שבינה מלאכותית צריכה להבין מרחב תלת-ממדי באופן דומה לאדם. Atlas הוא המודל הראשון של החברה שמיישם את הרעיון הזה בקנה מידה רחב. במקום להפיק תמונות שטוחות או קטעי וידאו, הוא "תופס" איך סצנה נראית מכל זווית, וכיצד היא משתנה עם הזמן.
לדברי World Labs, Atlas אומן מאפס כמודל "אומני" (omni-model) על טקסט, תמונות, וידאו ונתוני תלת-ממד, כאשר כל קלט מעוגן למיקום ספציפי במרחב תלת-ממדי במקום להיות מעובד כרצף שטוח. את ההבנה המרחבית המשותפת הזו החברה מכנה "spatial context", והיא המנגנון שהמודל משתמש בו כדי לייצר כל פריים או זווית צפייה חדשים. פיי-פיי לי הציגה את הבעיה הזו במאמר שפרסמה בנובמבר 2025, שבו טענה שמודלי שפה מולטימודליים ומודלי דיפוזיה לווידאו מפרקים נתונים לרצפים חד- או דו-ממדיים, מה שהופך משימות מרחביות פשוטות למורכבות שלא לצורך.
בפועל, Atlas מציע כמה יכולות. ביצירה מבוקרת מצלמה, הוא לוקח תמונה אחת או יותר ומייצר זוויות צילום חדשות בהתאם למיקום ותנועת מצלמה שמוזנים כקלט גיאומטרי ישיר — לא כתיאור טקסטואלי, כפי שנהוג במודלי וידאו רבים. הוא מפיק עד דקה של וידאו ברזולוציית 1440p, ולפי החברה מדובר בשליטה מלאה בכל שוט במקום "משיכת ידית של מכונת מזל", כלשונה.
ביכולת השחזור המרחבי, Atlas בונה מחדש סצנות אמיתיות מתוך תמונה אחת ועד כמה עשרות תמונות, ללא ציוד צילום מיוחד — וככל שמספר התמונות גדול יותר, כך פחות נדרש מהמודל "להשלים" מידע מהידע הפנימי שלו. לפי החברה, כבר עם שתיים-שלוש תמונות התוצאות נאמנות למקור ועולות על מודלי תלת-ממד ייעודיים; בהדגמה שהציגה החברה, המודל הרכיב בהדרגה את "Main Quad" של אוניברסיטת סטנפורד מתוך 2 עד 25 תמונות שצולמו מגובה הקרקע, והפיק מהן גם תצפיות אוויריות מעל הקמפוס. במסגרת בדיקה שנקראת OpenWorldLib, מודלים מתחרים כמו VGGT ו-InfiniteVGGT הציגו אי-עקביות גיאומטרית וטקסטורות מטושטשות ברגע שהמצלמה זזה באופן משמעותי.
Atlas גם מפיק פלט תלת-ממדי ממשי — ענני נקודות (point clouds) וגם 3D Gaussian splats, אותו פורמט ייצוג שבו משתמש המוצר הקיים של החברה, Marble — משום שהוא מעבד מידע עומק לצד צבע. כסימולטור, הוא מדגם מרחב וזמן יחד, ומאפשר אפקט "בולט טיים" שקופא סצנה ומאפשר צפייה בה מזוויות בלתי אפשריות, מתוך צילומים שנעשו במספר מצומצם של מצלמות סמארטפון ומצלמות אקסטרים רגילות — לא ציוד מקצועי.
ככל הנראה, המשמעות המעשית המרכזית של Atlas היא עבור אימון רובוטים בסביבות וירטואליות: מודל שמייצר סצנות תלת-ממדיות עקביות מתמונות מועטות יכול לשמש כמקור נתונים זול יחסית לסימולציה של סביבות פיזיות, במקום הסתמכות על סריקות תלת-ממד יקרות. World Labs לא פירסמה בשלב זה מחיר, זמינות רחבה או מפרט טכני מלא של המודל.