空間知能AIのWorld Labs、生成・3D再構成・シミュレーションを統合する世界モデル「Atlas」を公開

World Labsは、テキスト、画像、動画、3Dを単一の空間コンテキストとして扱う次世代World Model「Atlas」を公開しました。AtlasはMultimodal Autoregressive Diffusion Transformerとしてゼロから学習され、世界を生成するだけでなく、実空間の3D再構成や時間変化を含むシミュレーションまで一つのモデルで処理します。従来は別々のモデルが担うことが多かったVideo Generation、3D Reconstruction、Simulationを統合することが特徴です。

Atlasは1〜6枚の参照画像から、指定したCamera PositionやAngleに忠実な最大1分・1440pの動画を生成できます。また、数枚の画像から見えていない部分を補完しながら実空間を3Dとして再構成し、入力画像を増やすことでより忠実な再現も可能です。動画については空間と時間の両方をモデル化し、Robotics向けのReal-to-Sim Workflowにも利用できる設計で、今後World Labsの3D生成製品Marbleなどへ組み込まれる予定です。

生成AIではTextや2D Imageから3D空間を理解・生成するSpatial Intelligenceが次の大きな競争領域になっています。Roboticsでは現実世界を高精度にSimulationできれば、実機で大量の試行錯誤を行わずにRobot Policyを学習・評価できます。AtlasはCreative Tool向けの3D生成だけでなく、Digital Twin、Simulation、Robotics Trainingを共通のWorld Modelで扱う基盤を目指すもので、AIがデジタル情報を理解する段階から物理世界をモデル化する段階へ進んでいることを示しています。

World Labsについて
World Labsとは、Fei-Fei Li、Justin Johnson、Ben Mildenhall、Christoph LassnerらがSan Franciscoで設立したSpatial Intelligence企業です。Virtual WorldとPhysical Worldを知覚、生成、推論、操作できるFrontier AI Modelを開発しています。最初の製品Marbleでは、画像、動画、テキスト、3D Layoutから一貫性のある3D Worldを生成できます。Creative Productionに加え、Robotics、Simulation、Scientific Discoveryなどへの応用を進めています。AIに空間と物理世界を理解する能力を持たせ、人間の創造・作業能力を拡張することを目指しています。