World Labs представляет Atlas с нативным управлением камерой и 3D-реконструкцией

1 сентября 2026 года World Labs представила Atlas как мультимодальную модель мира, которая генерирует изображения и видео с управлением камерой, реконструирует сцены в явном 3D и перекадрирует записанные события с новых точек обзора.

Наиболее значимое изменение состоит в том, что Atlas принимает геометрию камеры в качестве нативного входного параметра. Вместо того чтобы просить видеогенератор интерпретировать такие слова, как «панорамирование», «поперечное движение» или «крановый подъём», пользователь может задать положения и траектории камеры в общем трёхмерном контексте. World Labs заявляет, что Atlas может создавать видео длительностью до одной минуты в 1440p на основе небольшого набора референсных изображений и вручную спроектированного пути камеры.

Atlas пока не является общедоступным продуктом. Он выходит в ранний доступ для выбранных партнёров, а World Labs не объявила публичные цены, идентификатор модели, дату выпуска API или условия широкого доступа.

1. Atlas объединяет несколько пространственных задач в одной модели

World Labs описывает Atlas как «омни-модель», предварительно обученную с нуля. Её архитектура сочетает авторегрессионный трансформер с латентной диффузией: мультимодальные элементы обрабатываются как последовательность, а изображения и другие непрерывные выходные данные генерируются через процесс шумоподавления rectified flow.

В настоящее время модель работает с текстом, изображениями, позами камер и картами глубины 3D. Видео представлены в виде последовательностей изображений. Каждое изображение и карта глубины могут быть связаны с явной позой камеры, что помещает входные данные в то, что World Labs называет пространственным контекстом.

Такая архитектура позволяет одной модели выполнять несколько задач, которые часто разделены между разными системами:

• генерировать изображения и видео по референсным изображениям;
• управлять точкой обзора и траекторией камеры в сгенерированных кадрах;
• синтезировать новые ракурсы существующей сцены;
• оценивать глубину и реконструировать явную 3D-геометрию;
• перекадрировать синхронизированную видеосъёмку с новых углов;
• генерировать показания датчиков для моделируемых роботов;
• создавать обычные изображения и панорамы на 360 градусов по промптам.

World Labs позиционирует Atlas как первую в своём роде мультимодальную модель мира, однако этот приоритет не был независимо подтверждён. Сама компания в ноябре 2025 года описывала свою более раннюю систему Marble как мультимодальную модель мира. Более конкретное техническое утверждение, лежащее в основе Atlas, заключается в том, что генерация, реконструкция, обусловливание камерой, глубина и временное моделирование объединены в одной предварительно обученной архитектуре.

2. Нативная геометрия камеры меняет способ управления съёмкой

В показанных при запуске примерах видео с управлением камерой Atlas может принимать от одного до шести референсных изображений. Пользователи размещают эти изображения в пространственном контексте и указывают, куда должна перемещаться виртуальная камера. Затем модель генерирует виды вдоль этой траектории, пытаясь сохранить внешний вид и геометрию сцены.

Это существенно отличается от текстовых промптов для камеры. Фраза вроде «медленно облети объект по орбите» оставляет модели необходимость вывести радиус, направление, высоту, скорость и кадрирование этой орбиты. Нативный ввод камеры может кодировать эти решения напрямую, предоставляя кинематографистам и командам визуализации более точный инструмент управления.

World Labs называет результат «попиксельным управлением камерой». Это формулирование следует воспринимать как описание компании, а не как независимо измеренную гарантию точности. В опубликованной оценке проверяется, считают ли люди-оценщики, что Atlas следует заданной траектории камеры лучше, чем модели для сравнения; она не устанавливает отсутствие ошибок на уровне отдельных пикселей.

Пространственный контекст также поддерживает композицию. World Labs демонстрирует два в остальном не связанных референсных изображения, размещённых в разных положениях 3D-пространства. Atlas генерирует промежуточные пространства — например, дверные проёмы, коридоры и соединяющие комнаты, — чтобы сформировать между ними непрерывный мир.

Такое генеративное поведение полезно для построения миров, но оно также обозначает важную границу: непрерывность не обязательно означает точность реконструкции. Когда входные данные не показывают часть сцены, Atlas придумывает правдоподобное дополнение на основе усвоенных априорных представлений.

3. Разреженные изображения могут становиться облаками точек и Gaussian splats

Atlas реконструирует сцены по одному или нескольким изображениям с заданными позами и может использовать более 100 изображений в одном пространственном контексте. По словам World Labs, для достоверной реконструкции обычно достаточно двух или трёх ракурсов, тогда как дополнительные ракурсы сокращают объём невидимого содержимого, которое модели приходится генерировать.

Результат по одному изображению неизбежно представляет собой смесь наблюдения и синтеза. В одном примере компании Atlas сохраняет видимую часть сада с фотографии, сделанной с уровня земли, но придумывает окружающие здания и рельеф. Добавление фотографий расположенного поблизости коттеджа и главного дома постепенно ограничивает получающуюся сцену.

Atlas может возвращать изображения новых ракурсов, информацию о глубине, облака точек и 3D Gaussian splats. По одному изображению он генерирует дополнительные виды, одновременно оценивая их геометрию; по видео он предсказывает глубину для каждого кадра и объединяет кадры в реконструкцию. Области, никогда не снятые камерой, заполняет модель.

Gaussian splats предоставляют визуализируемое представление, а не только набор сгенерированных кадров. Их можно просматривать из меняющихся положений и интегрировать в последующие 3D-процессы. Atlas использует то же широкое представление, что и Marble, поэтому выходные данные модели должны быть совместимы с будущими версиями существующего продукта World Labs.

Для команд по визуальным эффектам и дизайну это может сократить объём плотной фотосъёмки, необходимой для создания навигабельной сцены. Компромисс состоит в том, что сгенерированная геометрия за пределами наблюдаемых ракурсов может выглядеть согласованно, но не соответствовать в точности исходной локации.

4. Перекадрирование видео и робототехника выходят за пределы генерации сцен

Atlas может реконструировать записанное событие по нескольким синхронизированным камерам и рендерить его с точек обзора, в которых физическая камера отсутствовала. World Labs демонстрирует перекадрирование в стиле «bullet time» с записью, сделанной тремя-пятью обычными телефонами и экшн-камерами, закреплёнными на штативах или зажимах.

Система использует несколько ракурсов для оценки пространственной и временной структуры события. Затем монтажёр может остановить действие или перемещать вокруг него виртуальную камеру. Это требует менее сложной схемы съёмки, чем обычная многокамерная студия, хотя материалы запуска не раскрывают время обработки, требования к оборудованию или частоту сбоев.

Для робототехники Atlas объединяет реконструкцию с генерируемыми показаниями датчиков. В двух демонстрациях навигации World Labs сняла большие среды на видео с телефона, выбрала по 24 кадра для каждой реконструкции и смоделировала роботов, движущихся по разным траекториям. Atlas сгенерировал RGB-изображения и данные глубины, которые камеры, закреплённые на корпусе, наблюдали бы на этих траекториях.

Компания также показывает Real-to-Sim-процессы для манипуляций. Небольшое число записей может быть преобразовано в моделируемую задачу, после чего разработчики могут варьировать объекты, положения, движение робота, освещение или фоны. В демонстрациях представлены жёсткие, шарнирные и деформируемые объекты.

Эти результаты могут предоставлять среды для обучения и тестирования без необходимости многократно ставить каждую вариацию на физическом оборудовании. Однако в анонсе Atlas не приводятся количественные данные о том, воспроизводит ли сгенерированная динамика реальные силы, контактное поведение, трение или деформацию с точностью, достаточной для надёжного переноса политики робота.

5. Результаты бенчмарков многообещающи, но представлены самой компанией

World Labs опубликовала оценки для генерации с учётом камеры и 3D-реконструкции по разреженным ракурсам. Для управления камерой каждое испытание начиналось с одного входного изображения и траектории, содержащей от одного до трёх кинематографических движений. Независимые люди-оценщики сравнивали, насколько хорошо результаты следовали запрошенному пути.

Atlas получал путь через своё нативное представление камеры. Конкурирующие видеомодели получали текстовые описания с использованием обычных кинематографических терминов, поскольку они не принимали тот же формат камеры. World Labs признаёт, что более сложные промпты могли бы улучшить некоторые конкурирующие модели, поэтому это отчасти сравнение интерфейсов управления, а не тест со строго одинаковыми входными данными.

Для реконструкции компания сообщает о более низкой ошибке, чем у специализированных систем с открытым исходным кодом, включая Pi3X, π³, VGGT-Ω 1B, Depth Anything 3 и MapAnything, в рамках воспроизведённого ею протокола оценки. На странице запуска не приводятся ни сопровождающая рецензируемая статья, ни достаточные методологические подробности, чтобы независимо воспроизвести все заявленные результаты.

World Labs также не раскрыла в материалах запуска число параметров Atlas, состав обучающих данных, стоимость инференса, скорость генерации, механизмы безопасности или размеры выборок для оценки. Поэтому её демонстрации и бенчмарки подтверждают заявленные компанией возможности, а не независимую валидацию на неконтролируемой съёмке или производственных нагрузках.

Для сравнения, Marble стал общедоступным в ноябре 2025 года и может генерировать постоянные 3D-миры из текста, изображений, видео или грубых макетов, с экспортом в том числе Gaussian splats, мешей и видео. Atlas предназначен для работы будущих версий Marble и других продуктов World Labs. Поэтому для большинства пользователей анонс является технологическим предварительным просмотром, а не немедленной заменой доступной в настоящее время платформы.

Частые вопросы

Atlas доступен публично?

Нет. World Labs сообщает, что Atlas находится в раннем доступе у выбранных партнёров. Заинтересованные организации могут отправить запрос на доступ, но правила публичного отбора не объявлены.

Может ли Atlas создать 3D-сцену по одному изображению?

Да, но невидимые области генерируются, а не восстанавливаются на основе свидетельств. Добавление большего числа изображений ограничивает модель и сокращает объём того, что ей приходится придумывать.

Какие 3D-форматы может создавать Atlas?

Компания заявляет, что Atlas может генерировать карты глубины, облака точек и 3D Gaussian splats в дополнение к обычным кадрам изображений и видео.

Какой длительности могут быть видео, сгенерированные Atlas?

World Labs демонстрирует вывод с управлением камерой длительностью до одной минуты в 1440p. Компания не опубликовала требования ко времени генерации или оборудованию.

Заменяет ли Atlas Marble?

Не сразу. World Labs сообщает, что Atlas будет обеспечивать работу будущих версий Marble и других продуктов, тогда как сам Atlas остаётся в ограниченном раннем доступе.

Источники

• Анонс Atlas от Fei-Fei Li в X
• World Labs: Atlas — модель мира для пространственного интеллекта
• World Labs: Marble — мультимодальная модель мира
• Запрос раннего доступа к World Labs Atlas
• SiliconANGLE: World Labs Fei-Fei Li представляет Atlas