李飞飞 WorldLabs 发布世界模型 Atlas，1-6 张照片生成可漫游 3D 世界
APPSO · wechat · 2026-09-02
李飞飞创办的 WorldLabs 发布面向空间智能的全模态世界模型 Atlas，从零预训练，原生处理文本、图像、视频、相机位姿与 3D 深度，在同一模型内完成世界生成、空间重建和时空模拟。
核心能力
- 相机控制生成：把相机位姿参数作为原生输入，1-6 张普通照片即可生成长达 1 分钟、1440p 的视频，运镜精准、空间几何一致；两张不相关照片也能被「脑补」焊成连续可漫游的三维场景。
- 空间重建：斯坦福 Main Quad 案例仅需 2-25 张游客平拍照片即可还原细节并支持航拍漫游；稀疏视角重建误差（AbsRel×10⁻³）达 25.3，优于 Pi3X（28.7）、DepthAnything3（39.3）、MapAnything（47.7），输出直接对接点云与 3DGS，接入自家 Marble 平台即时渲染。
- Reframing Video：三五个普通手机/运动相机随手一拍，即可在虚拟空间随意切换视角，复刻「子弹时间」。
技术底座：多模态自回归扩散 Transformer，兼取自回归（逐级预测空间状态）、扩散（Rectified Flow 去噪保画质与几何）与 Transformer（适配大规模算力）之长，可复用 KV Cache、分布式推理与扩散蒸馏优化。镜头控制盲测中，对 MiniMax H3 胜率 75%、Gemini Omni Flash 81%、FLUX3 93%、Seedance2.5 94%。
面向机器人：Atlas 的 Real-to-Sim 路线瞄准具身智能的仿真数据瓶颈——传统采集足够机器人训练数据的成本估算可达百万亿美元量级；现在手机拍两段 24 帧视频即可生成高精度 3D 物理空间，模拟 RGB、深度与受力反馈，衍生千万种光照、摆放与障碍条件。官方还强调模型随参数量与算力翻倍出现类似 LLM 的涌现能力。目前 Atlas 已向部分合作伙伴开放 Early Access，将作为 Marble 等产品的底层模型。
所属事件:李飞飞 World Labs 发布全模态世界模型 Atlas(61 条相关)→
「具身」频道最新
- Three.js 大会电子胸牌:靠 ESP-NOW 互打招呼刷排行榜 — xiaohu · 2026-09-03
- Variance house 迎新导师,14 名创始人在班加罗尔驻场 30 天 — alysha_lobo · 2026-09-03
- AlphaChip 两人入选 TIME 100 AI:芯片布局工具快千倍已自举迭代 — annadgoldie · 2026-09-03
- Uber 在伦敦推出首批自动驾驶出租车,采用英国 AI 公司 Wayve 技术 — Polymarket · 2026-09-03
- 前中央理工学生加入 Hugging Face 任机器人 ML Advocate — JiliJeanlouis · 2026-09-03
- Waymo 曝光内部代号 Firefly 的小型自动驾驶车，双座续航约 100 英里 — reed · 2026-09-03