World Labs, şirketin mekânsal yapay zekâ için «dünya modeli» olarak tanımladığı yeni Atlas modelini duyurdu. Atlas, metinleri, görüntüleri, videoları ve üç boyutlu verileri tek bir yapı içinde birleştirerek yalnızca ayrı görüntüler veya video klipleri üretmek yerine öğeler arasındaki mekânsal ilişkileri anlamayı amaçlıyor.
Yapay zekâ araştırmacısı Fei-Fei Li, yapay zekâ sistemlerinin fiziksel dünyayı ve üç boyutlu ilişkileri anlamasını sağlamaya odaklanmak üzere 2024 yılında kurulan World Labs'ın kurucu ortakları arasında yer alıyor. Şirket, Atlas'ın sıfırdan önceden eğitildiğini ve teknik olarak otoregresif, çok modlu bir difüzyon modeli ile Transformer'ı birleştiren bir mimariye dayandığını söylüyor.
Atlas ne sunuyor?
Model, farklı girdi türlerini ortak bir mekânsal bağlamda birleştirebiliyor. Bu da üç boyutlu nesne ve ortamların yapısından yararlanarak sahnenin görünmeyen kısımlarını tahmin etmesini sağlıyor. Öne çıkan özelliklerinden biri, kamera hareketini metin komutlarıyla tanımlamakla yetinmek yerine kamera konumunu ve hareket rotasını doğrudan girdi olarak ele almasıdır.
Bir ila altı referans görüntü ve önceden belirlenmiş kamera rotalarından yararlanan Atlas, 1440p çözünürlükte ve bir dakikaya kadar uzunlukta videolar oluşturabiliyor. Ayrıca tek bir görüntüden yola çıkarak bir nesnenin veya ortamın farklı açılardan görünümünü tahmin edebiliyor ve sahneyi, ilk görüntüde görünmeyen kısımları içerecek şekilde genişletebiliyor. Araç, birbiriyle bağlantılı olmayan görüntüleri üç boyutlu uzayda konumlandırmaya ve bunlar arasında tek bir ortam içinde geçişler oluşturmaya da olanak tanıyor.
Gerçek dünyanın yeniden yapılandırılması
World Labs, Atlas'ın gerçek mekânları üç boyutlu formatta yeniden yapılandırmak için kullanılabileceğini söylüyor. Pek çok sahneyi yeniden oluşturmak için iki veya üç görüntü yeterli olabilirken, onlarca görüntü ya da yüzden fazla görüntü sağlanması görünmeyen bölgeler hakkında tahmin yürütme ihtiyacını azaltıyor ve sonucu özgün ortama daha fazla yaklaştırıyor.
Çıktılar görüntü ve videolarla sınırlı değil; model, oyunlarda, tasarımda, görsel efektlerde ve robotikte kullanılabilecek üç boyutlu nokta bulutları ve «3D Gaussian splat» formatında dosyalar da üretebiliyor.
Robotik simülasyonları ve mevcut kısıtlamalar
Gerçek bir ortamın telefonla çekilmiş kayıtları da üç boyutlu simülasyonlar oluşturmak için kullanılabiliyor. Ardından sanal bir robotun kameralarının ve derinlik sensörlerinin hareket sırasında görebileceği veriler üretilebiliyor. Simülasyon; eğitim ve test için çeşitli senaryolar oluşturmak üzere nesnelerin konumlarının, aydınlatmanın, arka planın ve robotun hareketinin değiştirilmesine olanak tanıyor.
Bu duyuru neden önemli? Atlas, içerik üretimini mekânı anlama ve simülasyonla birleştiriyor. Bu da onu yalnızca video üretmeye yönelik bir model olmaktan ziyade robotik sistemlerde keşfedilebilen ve kullanılabilen ortamlar oluşturma aracına yaklaştırıyor. World Labs, modelin üç boyutlu dünyalar oluşturma platformu Marble'ın ve şirketin diğer ürünlerinin temelini oluşturacağını söylüyor.
Bununla birlikte Atlas hâlâ seçilmiş iş ortaklarına erken erişim aşamasında. Şirket fiyatı, genel kullanıma sunulma tarihini, modelin boyutunu veya eğitiminde kullanılan hesaplama kapasitesini açıklamadı. Ayrıca modelin dağınık görüntülerden üç boyutlu yeniden yapılandırma konusunda bazı uzmanlaşmış açık kaynaklı modellerden üstün olduğu iddiası şirketin testlerine dayanıyor ve henüz bağımsız araştırmacılar tarafından doğrulanmış değil.
World Labs, Şubat 2026'da AMD, Autodesk, Nvidia, Fidelity ve diğer yatırımcıların katılımıyla 1 milyar dolar tutarında yatırım toplamıştı. Böylece şirketin toplam finansmanı yaklaşık 1,23 milyar dolara yükseldi.