A World Labs apresenta o Atlas, um modelo mundial de próxima geração projetado para inteligência espacial. O Atlas é um modelo omni pré-treinado do zero para operar nativamente em texto, imagens, vídeo e 3D. É um transformer de difusão autorregressivo multimodal que combina todas as entradas em um contexto espacial compartilhado para gerar o que vem a seguir, mantendo-se consistente em 3D e imaginando além dos dados observados. O Atlas escala com computação de treinamento aumentada e suporta geração, reconstrução e simulação de mundos.

As principais capacidades incluem: Geração Controlada por Câmera, produzindo até 1 minuto de vídeo 1440p a partir de uma ou mais imagens com controle de câmera pixel-perfect; Reconstrução Espacial, gerando novas visualizações e saídas 3D explícitas a partir de imagens de entrada, superando modelos 3D de ponta; Simulação Espaço-Tempo, permitindo fluxos de trabalho Real-to-Sim para robótica ao modelar espaço e tempo a partir de vídeos; e Geração de Imagens, criando imagens e panoramas 360 a partir de texto com aderência a prompts complexos e estilos visuais diversos. O Atlas alimentará futuras versões do Marble e outros produtos da World Labs. O modelo usa geometria de câmera precisa como entrada nativa, permitindo enquadramento exato de tomada e controle de movimento.

Ao fundamentar cada imagem em uma posição 3D no espaço, o Atlas forma um contexto espacial que permite controle criativo, como colocar imagens não relacionadas no espaço 3D para gerar interpolações suaves imaginando portas, corredores e transições. Para vídeos longos, o Atlas combina movimento de câmera e gerenciamento de contexto espacial, colocando os usuários na cadeira do diretor para encenação completa de cena.