World Labs stellt Atlas vor: Video, 3D & Robotik vereint
Die von Li Feifei mitgegründete Firma World Labs hat kürzlich das neue Weltmodell Atlas veröffentlicht. Im Gegensatz zu bestehenden Ansätzen, die auf vortrainierten Video- oder 3D-Modellen aufbauen, wurde Atlas vollständig von Grund auf neu trainiert. Das System vereint die Multimodalität von Text, Bild, Video und dreidimensionalen Daten in einer einzigen Architektur. Sein zentrales Merkmal ist die native Integration von Kameraposition und -ausrichtung als Eingabeparameter, was dem Modell ein konsistentes räumliches Kontextverständnis ermöglicht. Dadurch lassen sich aus wenigen Referenzbildern präzise Kamerabewegungen steuern und bis zu eine Minute lang hochauflösende Videos generieren. Darüber hinaus rekonstruiert Atlas aus sparsamen Bilddaten punktclusterte und 3D-Gauss-Splatting-basierte Umgebungen, die direkt in industrielle Workflows für Gaming, visuelle Effekte und Robotik integriert werden können. Besonders relevant ist die Anwendung im Bereich Real-to-Sim. Durch die Aufnahme weniger dynamischer Szenen mit handelsüblichen Kameras erzeugt Atlas Simulationsumgebungen, in denen Roboter trainiert und getestet werden können. Technische Grundlage bildet ein multimodaler, autoregressiver Diffusions-Transformer, der kontextbasierte Vorhersagen mit schrittweiser Rauschreduktion kombiniert. Welt Labs positioniert Atlas als konkreten Schritt zur Vereinigung von visueller Generierung, räumlicher Simulation und autonomer Planung. Das Unternehmen hat sich nach einem ersten Funding von 230 Millionen US-Dollar im vergangenen Jahr im Februar dieses Jahres ein neues Fundraising in Höhe von einer Milliarde US-Dollar gesichert, an dem Autodesk, AMD und Nvidia beteiligt sind. Aktuell befindet sich Atlas in einer geschlossenen Frühtestphase mit ausgewählten Partnern. Offene Modellgewichte, Trainingsdaten oder unabhängige Benchmarks wurden nicht veröffentlicht. Validierte Tests zu physikalischer Konsistenz und Sim-to-Real-Transfer stehen noch aus. Trotz dieser offenen Punkte markiert die Präsentation einen klaren Branchen Trend: Weltmodelle entwickeln sich von der reinen Pixelvorhersage hin zur modellhaften Erfassung räumlicher und zeitlicher Zusammenhänge.
