李飞飞发布全球首个多模态世界模型Atlas

AI 摘要

李飞飞创立的World Labs发布了全球首个多模态世界模型Atlas，该模型能够基于单张图片生成具有像素级相机控制的视频，并完成3D重建和时空模拟。Atlas采用多模态自回归扩散Transformer架构，支持机器人Real-to-Sim工作流，为具身智能训练提供新途径。目前Atlas已向部分合作伙伴开放早期访问。

正文节选

李飞飞发布：全球首个多模态世界模型 一张图补全3D世界，还能给机器人造训练场 鱼羊 发自 凹非寺 量子位 | 公众号 QbitAI 「全球首个」多模态世界模型，来了！ 来自李飞飞World Labs。 World Labs对这个名为Atlas的新一代世界模型，用词可谓毫不克制，「全球首个」之外，slogan也明确强调出，这一次，可不只是生成一段可互动视频了哟： 建模世界，移动相机，模拟空间和时间。 就是说，Atlas能够以像素级的相机控制生成图像和视频帧，并完成3D重建。并且空间和时间都能理解。 李飞飞本人将其视作World Labs的「里程碑式」成果，直接一手置顶： Atlas为从视觉特效到机器人的众多应用场景打开了大门。 飞飞高徒、英伟达机器人主管Jim Fan也来捧场，指出：这是机器人领域Real-to-Sim的一大步。 具体来说，Atlas是一个多模态自回归扩散Transformer，它的能力包括： 相机控制生成：仅需一张图片，Atlas即可生成具有像素级相机控制的图片和视频，最高可输出1分钟、1440p的视频。 空间重建：Atlas可以基于一张到数十张输入图像，重建真实世界场

发布时间：2026-09-02 09:07

抓取时间：2026-09-02 09:23

来源机构：量子位