Atlas: 空間知能のためのワールドモデル
Atlas: A World Model for Spatial Intelligence
World Labsは、テキスト、画像、ビデオ、3Dをネイティブに扱える次世代ワールドモデル「Atlas」を発表した。Atlasはマルチモーダル自己回帰拡散トランスフォーマーであり、カメラ制御下での生成(最大1440pで1分間のビデオ)、単一または複数の画像からの3Dシーン再構成、入力ビデオからの時空間シミュレーション、テキストからの画像・パノラマ生成など、幅広いタスクを実行できる。特に、カメラジオメトリをネイティブ入力として扱い、ピクセル単位でのカメラ制御を可能にする点が特徴である。Atlasは、入力画像とカメラポーズから3Dポイントを予測し、それを基に3Dガウシアンスプラットとしてシーンを再構成する。また、ロボティクス分野では、Real-to-Simワークフローを可能にし、センサーデータを生成してロボットのナビゲーションや操作のシミュレーションに活用できる。Atlasは、LLMやビデオモデルのアイデアを組み合わせた新しいアーキテクチャを採用しており、スケールアップによって性能が向上する見込みである。現在、一部パートナー向けに早期アクセスが提供されている。
- World Labsが次世代ワールドモデル「Atlas」を発表し、一部パートナー向けに早期アクセスを開始した
- Atlasはカメラ制御下で最大1440p・1分間のビデオ生成、単一・複数画像からの3Dシーン再構成、テキストからの画像・パノラマ生成など幅広いマルチモーダルタスクを実行できる
- Atlasはマルチモーダル自己回帰拡散トランスフォーマーを採用した新アーキテクチャであり、スケールアップにより性能向上が見込まれる
- Atlasはロボティクス分野でReal-to-Simワークフローを可能にし、センサーデータ生成によるロボットのナビゲーション・操作シミュレーションに活用できる
World Labsが発表したAtlasは、テキスト・画像・ビデオ・3Dをネイティブに扱う統合ワールドモデルであり、従来のLLMやビデオモデルを超える領域横断的な生成モデルとして、AI分野における次世代の競争軸を形成する可能性がある。カメラ制御下での1440p・1分間ビデオ生成や3Dシーン再構成、ロボティクス向けReal-to-Simワークフローなど、応用範囲が広く、空間知能という新たなカテゴリの創出が見込まれる。スケールアップによる性能向上が見込まれており、投資家としては同社の技術ロードマップとパートナー展開の進捗に注目すべきである。