World Labs Ra Mắt Atlas Với Điều Khiển Camera Gốc và Tái tạo 3D

World Labs giới thiệu Atlas vào ngày 1 tháng 9 năm 2026, mô tả đây là một mô hình thế giới đa phương thức có thể tạo ảnh và video được điều khiển bằng camera, tái tạo cảnh ở dạng 3D tường minh, đồng thời thay đổi khung hình các sự kiện đã ghi từ những góc nhìn mới.

Thay đổi có ý nghĩa nhất là Atlas nhận hình học camera làm đầu vào gốc. Thay vì yêu cầu trình tạo video diễn giải các từ như “pan”, “truck” hoặc “crane”, người dùng có thể chỉ định vị trí và quỹ đạo camera trong một ngữ cảnh ba chiều dùng chung. World Labs cho biết Atlas có thể tạo video dài tới một phút ở độ phân giải 1440p từ một tập nhỏ ảnh tham chiếu và một đường đi camera được thiết kế thủ công.

Atlas chưa phải là sản phẩm được cung cấp rộng rãi. Mô hình đang bước vào giai đoạn truy cập sớm với các đối tác được chọn, và World Labs chưa công bố giá công khai, mã định danh mô hình, ngày phát hành API hoặc điều kiện tiếp cận rộng rãi.

1. Atlas Hợp Nhất Nhiều Tác Vụ Không Gian Trong Một Mô Hình

World Labs mô tả Atlas là một “omni model” được tiền huấn luyện từ đầu. Kiến trúc của nó kết hợp transformer tự hồi quy với khuếch tán tiềm ẩn: các thành phần đa phương thức được xử lý như một chuỗi, trong khi ảnh và các đầu ra liên tục khác được tạo qua quy trình khử nhiễu rectified-flow.

Mô hình hiện làm việc với văn bản, ảnh, pose camera và bản đồ độ sâu 3D. Video được biểu diễn dưới dạng các chuỗi ảnh. Mỗi ảnh và bản đồ độ sâu có thể gắn với một pose camera tường minh, neo các đầu vào vào thứ mà World Labs gọi là ngữ cảnh không gian.

Thiết kế đó cho phép một mô hình xử lý nhiều tác vụ vốn thường được tách riêng giữa các hệ thống khác nhau:

• tạo ảnh và video từ ảnh tham chiếu;
• điều khiển góc nhìn và đường đi camera của các khung hình được tạo;
• tổng hợp các góc nhìn mới của một cảnh hiện có;
• ước lượng độ sâu và tái tạo hình học 3D tường minh;
• thay đổi khung hình video đồng bộ từ các góc mới;
• tạo quan sát cảm biến cho robot mô phỏng;
• tạo ảnh thông thường và ảnh toàn cảnh 360 độ từ prompt.

World Labs tiếp thị Atlas như một mô hình thế giới đa phương thức đầu tiên thuộc loại này, nhưng tuyên bố về tính tiên phong đó chưa được xác lập độc lập. Chính công ty từng mô tả hệ thống Marble trước đó của mình là một mô hình thế giới đa phương thức vào tháng 11 năm 2025. Tuyên bố kỹ thuật cụ thể hơn đằng sau Atlas là việc tạo sinh, tái tạo, điều kiện hóa theo camera, độ sâu và mô phỏng theo thời gian đã được kết hợp trong một kiến trúc tiền huấn luyện.

2. Hình Học Camera Gốc Thay Đổi Cách Kiểm Soát Cảnh Quay

Atlas có thể nhận từ một đến sáu ảnh tham chiếu cho các ví dụ video điều khiển bằng camera được trình bày khi ra mắt. Người dùng đặt các ảnh đó vào một ngữ cảnh không gian và chỉ định camera ảo cần di chuyển ở đâu. Sau đó, mô hình tạo các góc nhìn dọc theo quỹ đạo đó, đồng thời cố gắng bảo toàn diện mạo và hình học của cảnh.

Điều này khác biệt đáng kể so với việc prompt camera chỉ bằng văn bản. Một cụm từ như “slowly orbit the subject” buộc mô hình phải tự suy ra bán kính, hướng, độ cao, tốc độ và khung hình của quỹ đạo. Đầu vào camera gốc có thể mã hóa trực tiếp các lựa chọn đó, đem lại cho các nhà làm phim và nhóm trực quan hóa một bề mặt điều khiển chính xác hơn.

World Labs gọi kết quả này là “pixel-perfect camera control.” Cách diễn đạt đó nên được xem là mô tả của công ty, thay vì một bảo đảm độ chính xác được đo lường độc lập. Bài đánh giá được công bố kiểm tra liệu người chấm là con người có cho rằng Atlas tuân theo đường đi camera dự kiến tốt hơn các mô hình đối chiếu hay không; nó không chứng minh sai số bằng không ở cấp độ pixel.

Ngữ cảnh không gian cũng hỗ trợ bố cục. World Labs trình diễn hai ảnh tham chiếu vốn không liên quan được đặt tại các vị trí khác nhau trong không gian 3D. Atlas tạo ra các không gian trung gian—như ô cửa, hành lang và phòng kết nối—để hình thành một thế giới liên tục giữa chúng.

Hành vi tạo sinh này hữu ích cho việc xây dựng thế giới, nhưng cũng xác lập một ranh giới quan trọng: tính liên tục không nhất thiết đồng nghĩa với độ chính xác tái tạo. Khi đầu vào không tiết lộ một phần của cảnh, Atlas sẽ tạo ra một phần hoàn thiện hợp lý dựa trên các prior đã học.

3. Ảnh Thưa Có Thể Trở Thành Đám Mây Điểm và Gaussian Splat

Atlas tái tạo cảnh từ một hoặc nhiều ảnh đã có pose và có thể dùng hơn 100 ảnh trong cùng một ngữ cảnh không gian. World Labs cho biết hai hoặc ba góc nhìn thường đủ cho một bản tái tạo trung thực, trong khi các góc nhìn bổ sung làm giảm lượng nội dung không quan sát được mà mô hình phải tạo ra.

Kết quả từ một ảnh duy nhất tất yếu là sự pha trộn giữa quan sát và tổng hợp. Trong một ví dụ của công ty, Atlas bảo toàn phần khu vườn nhìn thấy được từ một bức ảnh chụp ngang mặt đất nhưng tạo ra các tòa nhà và địa hình xung quanh. Việc thêm ảnh chụp một ngôi nhà nhỏ gần đó và ngôi nhà chính dần ràng buộc cảnh kết quả.

Atlas có thể trả về ảnh góc nhìn mới, thông tin độ sâu, đám mây điểm và Gaussian splat 3D. Từ một ảnh, mô hình tạo thêm các góc nhìn trong khi ước lượng hình học của chúng; từ một video, mô hình dự đoán độ sâu theo từng khung hình và kết hợp các khung hình thành một bản tái tạo. Những vùng chưa từng được camera ghi lại sẽ được mô hình lấp đầy.

Gaussian splat cung cấp một biểu diễn có thể kết xuất thay vì chỉ là tập hợp các khung hình được tạo. Chúng có thể được xem từ các vị trí thay đổi và tích hợp vào các quy trình 3D phía sau. Atlas sử dụng cùng biểu diễn tổng quát như Marble, điều này sẽ giúp đầu ra của mô hình tương thích với các phiên bản tương lai của sản phẩm hiện có từ World Labs.

Đối với các nhóm hiệu ứng hình ảnh và thiết kế, điều này có thể giảm lượng ghi hình dày đặc cần thiết để thiết lập một cảnh có thể điều hướng. Đánh đổi là hình học được tạo bên ngoài các góc nhìn quan sát được có thể trông mạch lạc mà không tương ứng chính xác với địa điểm gốc.

4. Thay Đổi Khung Hình Video và Robot Mở Rộng Vượt Ra Ngoài Tạo Cảnh

Atlas có thể tái tạo một sự kiện đã ghi từ nhiều camera đồng bộ và kết xuất sự kiện đó từ những góc nhìn nơi không có camera vật lý. World Labs trình diễn việc thay đổi khung hình “bullet time” bằng cảnh quay từ ba đến năm điện thoại thông thường và camera hành động gắn trên chân máy hoặc kẹp.

Hệ thống sử dụng nhiều góc nhìn để ước lượng cấu trúc không gian và thời gian của sự kiện. Sau đó, biên tập viên có thể đóng băng hành động hoặc di chuyển camera ảo xung quanh nó. Điều này đem lại thiết lập ghi hình nhẹ hơn một studio đa góc nhìn thông thường, dù tài liệu ra mắt không công bố thời gian xử lý, yêu cầu phần cứng hoặc tỷ lệ thất bại.

Đối với robot, Atlas kết hợp tái tạo với các quan sát cảm biến được tạo sinh. Trong hai phần trình diễn điều hướng, World Labs ghi lại các môi trường lớn bằng video điện thoại, chọn 24 khung hình cho mỗi bản tái tạo và mô phỏng robot di chuyển theo các đường đi khác nhau. Atlas tạo ảnh RGB và dữ liệu độ sâu mà camera gắn trên thân robot sẽ quan sát từ các đường đi đó.

Công ty cũng trình bày các quy trình Real-to-Sim cho thao tác. Một số lượng nhỏ bản ghi có thể được chuyển thành một tác vụ mô phỏng, sau đó nhà phát triển có thể thay đổi vật thể, vị trí, chuyển động robot, ánh sáng hoặc phông nền. Các phần trình diễn gồm vật thể cứng, vật thể có khớp và vật thể biến dạng.

Các đầu ra này có thể cung cấp môi trường huấn luyện và kiểm thử mà không cần dàn dựng lặp lại mọi biến thể trên phần cứng vật lý. Tuy nhiên, thông báo về Atlas không định lượng liệu động lực học được tạo có tái tạo lực trong thế giới thực, hành vi tiếp xúc, ma sát hoặc biến dạng đủ chính xác để một chính sách robot có thể chuyển giao đáng tin cậy hay không.

5. Kết Quả Benchmark Đầy Hứa Hẹn Nhưng Do Công Ty Báo Cáo

World Labs công bố các đánh giá về tạo sinh có điều kiện theo camera và tái tạo 3D từ ít góc nhìn. Đối với điều khiển camera, mỗi thử nghiệm bắt đầu với một ảnh đầu vào và một quỹ đạo chứa từ một đến ba chuyển động điện ảnh. Những người chấm độc lập là con người so sánh mức độ các đầu ra tuân theo đường đi được yêu cầu.

Atlas nhận đường đi qua biểu diễn camera gốc của mình. Các mô hình video đối thủ nhận mô tả văn bản dùng thuật ngữ điện ảnh thông thường vì chúng không chấp nhận cùng định dạng camera. World Labs thừa nhận rằng prompt phức tạp hơn có thể cải thiện một số mô hình cạnh tranh, khiến đây phần nào là so sánh các giao diện điều khiển thay vì một phép thử đầu vào hoàn toàn giống nhau.

Đối với tái tạo, công ty báo cáo sai số thấp hơn các hệ thống mã nguồn mở chuyên biệt, gồm Pi3X, π³, VGGT-Ω 1B, Depth Anything 3 và MapAnything, theo giao thức đánh giá tái lập của họ. Trang ra mắt không cung cấp bài báo được phản biện đồng cấp đi kèm hoặc đủ chi tiết phương pháp để tái lập độc lập toàn bộ kết quả được báo cáo.

World Labs cũng chưa công bố số lượng tham số của Atlas, thành phần dữ liệu huấn luyện, chi phí suy luận, tốc độ tạo sinh, biện pháp kiểm soát an toàn hoặc cỡ mẫu đánh giá trong tài liệu ra mắt. Vì vậy, các phần trình diễn và benchmark của họ thiết lập năng lực do công ty báo cáo, chứ không phải sự xác thực độc lập trên cảnh quay không kiểm soát hoặc khối lượng công việc sản xuất.

Ngược lại, Marble đã được cung cấp rộng rãi vào tháng 11 năm 2025 và có thể tạo các thế giới 3D bền vững từ văn bản, ảnh, video hoặc bố cục thô, với các đầu ra gồm Gaussian splat, mesh và video. Atlas được dự định để vận hành các phiên bản tương lai của Marble và các sản phẩm khác của World Labs. Vì vậy, với đa số người dùng, thông báo này là bản xem trước công nghệ hơn là sự thay thế tức thời cho nền tảng hiện đang có sẵn.

Câu hỏi thường gặp

Atlas có được cung cấp công khai không?

Không. World Labs cho biết Atlas đang ở giai đoạn truy cập sớm với các đối tác được chọn. Các tổ chức quan tâm có thể gửi yêu cầu truy cập, nhưng quy tắc đủ điều kiện công khai chưa được công bố.

Atlas có thể tạo cảnh 3D từ một ảnh không?

Có, nhưng các vùng không nhìn thấy được tạo sinh thay vì khôi phục từ bằng chứng. Việc thêm nhiều ảnh hơn sẽ ràng buộc mô hình và giảm lượng nội dung mà mô hình phải tự tạo.

Atlas có thể tạo những định dạng 3D nào?

Công ty cho biết Atlas có thể tạo bản đồ độ sâu, đám mây điểm và Gaussian splat 3D, bên cạnh các khung hình ảnh và video thông thường.

Video do Atlas tạo có thể dài bao lâu?

World Labs trình diễn đầu ra điều khiển bằng camera dài tới một phút ở độ phân giải 1440p. Công ty chưa công bố thời gian tạo sinh hoặc yêu cầu phần cứng.

Atlas có thay thế Marble không?

Chưa ngay lập tức. World Labs cho biết Atlas sẽ vận hành các phiên bản tương lai của Marble và các sản phẩm khác, trong khi bản thân Atlas vẫn ở giai đoạn truy cập sớm giới hạn.

Tham khảo nguồn

• Thông báo Atlas của Fei-Fei Li trên X
• World Labs: Atlas — Mô hình thế giới cho trí tuệ không gian
• World Labs: Marble — Mô hình thế giới đa phương thức
• Yêu cầu truy cập sớm World Labs Atlas
• SiliconANGLE: World Labs của Fei-Fei Li ra mắt Atlas