李飞飞团队发布多模态世界模型：单图补全 3D 世界并构建机器人训练场

李飞飞联合创立的 World Labs 发布空间智能世界模型 Atlas，探索从单张图像重建三维环境并支持机器人仿真训练的能力。

• Atlas 采用多模态自回归扩散 Transformer 架构，原生统一处理文本、图像、视频与 3D 空间数据输入。
• 模型支持像素级摄像机轨迹控制，可根据单张或多张参考图片生成长达 1 分钟、分辨率达 1440p 的多视角视频。
• 具备空间几何重建能力，能从少量视图中推断生成未见区域的三维场景结构，性能超过传统单一视图重建模型。
• 支持时空动力学建模，可通过视频重构与仿真实现真实世界向仿真环境（Real-to-Sim）的转换，为具身智能与机器人控制提供训练场。
• 影响/看点：若 Atlas 生成的三维几何与物理动力学具备足够的物理保真度，可能显著缩短机器人策略在仿真环境中的迭代周期，推动具身智能仿真训练的实用化。
• 资料依据：
• 量子位（2026-09-02）：https://www.qbitai.com/2026/09/482586.html
• World Labs 官方博客（2026-09-01）：https://www.worldlabs.ai/blog/atlas

本内容由 AI 生成，仅供参考，请注意甄别