Atlas combina texto, imágenes, video y datos espaciales para generar escenas, reconstruir entornos 3D y producir simulaciones destinadas a tareas creativas y robóticas. El sistema comienza su despliegue mediante acceso anticipado para socios seleccionados.
World Labs presentó Atlas, un modelo de inteligencia artificial diseñado para trabajar con texto, imágenes, secuencias de video, posiciones de cámara y datos de profundidad. La compañía plantea que una misma arquitectura puede generar contenido visual, reconstruir espacios y crear simulaciones para aplicaciones creativas y robóticas.
Control espacial para la generación de video
La arquitectura combina un transformador autorregresivo con técnicas de difusión. Sus entradas se organizan dentro de un contexto espacial compartido, en el que cada imagen puede asociarse con una posición y orientación de cámara. Esto permite definir recorridos de cámara mediante geometría, en lugar de depender exclusivamente de instrucciones escritas.
World Labs afirma que el sistema puede generar videos de hasta un minuto con resolución de 1440p a partir de entre una y seis imágenes de referencia y una trayectoria diseñada previamente. El modelo también puede producir nuevos puntos de vista de una escena e inferir lo que podría existir fuera del encuadre original.
Reconstrucciones que combinan datos e inferencias
Atlas acepta una o varias imágenes de un espacio y puede entregar nuevas vistas, mapas de profundidad, nubes de puntos y representaciones basadas en gaussian splatting. Este último formato permite renderizar escenas tridimensionales con rapidez y es compatible con Marble, la plataforma de creación de mundos de World Labs.
La reconstrucción no debe interpretarse siempre como una copia exacta. Cuando las imágenes no muestran una parte del espacio, el modelo completa los vacíos con una predicción plausible. Según la empresa, proporcionar más fotografías reduce esa intervención generativa y aumenta la información visual disponible para representar el entorno.
Simulación para efectos visuales y robótica
Otra función permite reconstruir una escena capturada desde varias cámaras y cambiar posteriormente el punto de vista. World Labs también muestra flujos de trabajo en los que Atlas genera las imágenes y datos de profundidad que recibirían los sensores de un robot virtual mientras recorre un espacio reconstruido.
La propuesta podría utilizarse para generar entornos de entrenamiento y pruebas sin reproducir físicamente cada combinación de objetos, iluminación y movimientos. Sin embargo, la utilidad real para robótica dependerá de la precisión con que estas simulaciones reproduzcan las condiciones y dinámicas del mundo físico.
Resultados pendientes de verificación externa
World Labs publicó comparativas sobre control de cámara y reconstrucción 3D. En la primera prueba, Atlas recibió directamente la geometría de la trayectoria, mientras que los modelos rivales recibieron descripciones textuales porque no admitían el mismo tipo de entrada. La propia compañía reconoce que otros métodos de preparación de las instrucciones podrían mejorar los resultados de sus competidores.
Las evaluaciones fueron organizadas por World Labs y todavía no constituyen una validación independiente del rendimiento general del sistema. Una revisión externa de RuntimeWire también señala que los materiales disponibles no establecen resultados independientes frente a otros modelos.
Atlas se encuentra en acceso anticipado con socios seleccionados. World Labs no ha comunicado precios, requisitos de cómputo, nombres de los participantes ni una fecha de disponibilidad general. La compañía prevé incorporar el modelo en futuras versiones de Marble y otros productos.
Fuentes
- World Labs, Atlas: A World Model for Spatial Intelligence
- RuntimeWire, World Labs launches Atlas for video, 3D reconstruction and robot simulation
Ilustración: captura del sitio de World Labs
📬 Newsletter gratuito
