李飞飞团队发布新一代世界模型 Atlas：从零训练，一次性打通视频生成、 3D 重建与机器人仿真

李飞飞创办的 World Labs 发布新一代世界模型 Atlas，称其为「全球首个多模态世界模型」，该模型从零开始预训练，将文本、图像、视频和 3D 数据统一理解为三维空间，可实现从照片生成新视角、按镜头轨迹生成最长 1 分钟 1440p 视频、将照片视频重建为点云和 3D 高斯泼溅场景等功能，还能借助普通手机拍摄实现动态事件多视角观看及机器人 Real-to-Sim 应用。其底层为多模态自回归扩散 Transformer 架构，将相机位姿作为原生输入，运镜控制精度优于部分同类模型。Atlas 目前向少数合作伙伴开放早期测试，未来将成为 3D 世界生成产品 Marble 的底层模型。不过该模型尚未公布参数规模等信息，缺少独立测试，距离真正模拟现实世界仍有差距。此前已有 Genie 3、Marble、Cosmos 3 等世界模型推出，Atlas 的意义在于将生成、重建和模拟任务纳入以 3D 空间为核心的统一基础模型，朝着渲染器、模拟器、规划器合一的统一世界模型目标迈进。