Atlas – world model pro prostorovou inteligenci

Vytvořeno: 7.9.2026 | Aktualizováno: 07.09.2026 19:37

Atlas je multimodální world model od společnosti World Labs. Je určený ke generování, rekonstrukci a simulaci prostorových světů – například k vytváření nových pohledů na scénu, 3D rekonstrukci reálného prostředí nebo simulaci pohybu robotů.

World model se nesoustředí pouze na jednotlivé obrázky nebo text. Snaží se pochopit prostorovou strukturu prostředí, polohu kamery a změny scény v čase. Díky tomu může generovat pohledy z míst, ze kterých nebyla scéna přímo zaznamenána, a simulovat, jak by prostředí vypadalo při pohybu kamerou nebo robotem.

Atlas kombinuje obrazové, textové, prostorové a časové informace do takzvaného prostorového kontextu. Každý obraz nebo hloubková mapa může být spojena s konkrétní pozicí a orientací kamery.

Atlas podle World Labs nativně pracuje s těmito typy vstupů:

text,
obrázky,
video reprezentované jako sekvence obrázků,
pozice a orientace kamery,
3D hloubkové mapy.

Výstupem mohou být například:

nové obrazové snímky a video,
pohledy z nových pozic kamery,
3D point cloudy,
3D Gaussian splats,
360° panoramata,
obrazová a hloubková data pro simulaci robotů.

Atlas dokáže z jednoho nebo více referenčních obrázků generovat nové pohledy z požadované pozice a úhlu kamery. Pracuje tedy s explicitní geometrií kamery, nikoli pouze s textovým popisem typu „kamera jede doleva“.

Podle prezentace World Labs lze z několika referenčních obrázků navrhnout trajektorii kamery a vytvořit až minutové video v rozlišení 1440p. Model se při tom snaží zachovat prostorovou konzistenci scény.

Pokud vstupní obrázky některou část scény neukazují, Atlas ji může doplnit na základě naučených znalostí světa. Výsledek proto nemusí být přesnou rekonstrukcí reality.

Atlas umí rekonstruovat reálné prostředí z jednoho až desítek obrázků nebo z videa. Z rekonstruované scény může vytvářet nové pohledy a explicitní 3D výstupy.

Počet vstupních pohledů ovlivňuje věrnost rekonstrukce. Při malém počtu obrázků musí model více částí prostoru domýšlet. S dalšími obrázky získává více informací a může se méně spoléhat na odhad.

Pro další zpracování podporuje point cloudy a 3D Gaussian splats. Gaussian splats umožňují scénu zobrazovat ve vysokém rozlišení a s vysokou snímkovou frekvencí.

Atlas modeluje nejen prostor, ale také jeho vývoj v čase. Z videí může rekonstruovat scénu a následně ji zobrazit z jiných úhlů, podobně jako při efektu bullet time.

World Labs uvádí také využití pro robotiku. Z několika běžných záznamů lze vytvořit simulované prostředí, ve kterém se robot pohybuje a získává obrazová a hloubková data ze svých virtuálních senzorů.

U manipulace s objekty má model pomáhat simulovat interakce s pevnými, kloubovými i deformovatelnými objekty. V simulaci je možné měnit objekty, jejich polohu, pohyb, osvětlení nebo pozadí a vytvářet tak různorodá tréninková prostředí.

Generování obrázků není hlavním účelem Atlasu, ale model podle World Labs zvládá textové prompty, vykreslování textu, různé vizuální styly a tvorbu 360° panoramat.

Atlas je popsaný jako multimodální autoregresivní diffusion transformer:

Multimodální znamená, že pracuje s textem, obrázky, videem, pozicemi kamer a hloubkovými mapami.
Autoregresivní znamená, že generuje sekvenci prvků postupně a každý další prvek podmiňuje předchozím kontextem.
Diffusion označuje generování obrazových výstupů postupným odšumováním. Atlas používá model typu rectified flow.
Transformer je architektura využívaná také v moderních jazykových a multimodálních modelech.

Tato kombinace umožňuje používat jeden model pro více úloh: generování, rekonstrukci i simulaci. Prostorová poloha vstupů je přitom součástí kontextu modelu, nikoli pouze nepřesný údaj v textovém promptu.

Atlas může být zajímavý zejména pro:

vizuální efekty a filmovou tvorbu,
generování scén s přesně řízeným pohybem kamery,
rekonstrukci prostředí pro hry a 3D design,
robotiku a workflow real-to-sim,
přípravu trénovacích a testovacích dat pro roboty,
tvorbu 360° scén a prostorového obsahu.

Atlas není podle oznámení určený jako běžně dostupná aplikace pro koncové uživatele. Při představení vstupoval do early access pro vybrané partnery.

Nejdůležitější praktické omezení je rozdíl mezi rekonstrukcí a generováním. Pokud model určitou část prostředí neviděl, může ji doplnit pouze jako pravděpodobný odhad. Pro přesnější výsledek je potřeba dodat více vstupních pohledů.

World Labs v článku uvádí vlastní benchmarky pro generování s řízenou kamerou a 3D rekonstrukci. Jde o výsledky prezentované výrobcem; z článku nelze vyvozovat nezávislé ověření všech uvedených srovnání.

Atlas má pohánět budoucí verze produktu Marble a další produkty World Labs. Marble používá stejnou reprezentaci 3D Gaussian splats, takže mezi oběma projekty existuje přímá technologická návaznost.