Techinfo
A primera vista, el anuncio de Atlas podría no parecer tan sorprendente, considerando los avances en modelos de IA generativa de vídeo que ya existen. Sin embargo, este nuevo modelo se aleja de la simple generación de contenido visual y se adentra en el intrigante ámbito de los "modelos del mundo". Atlas, fruto de una investigación profunda, se destaca por su capacidad para reconstruir nuestro entorno a partir de datos limitados, algo que resulta fascinante tanto por su innovación como por la prestigiosa Fei-Fei Li, reconocida como la "madrina de la IA".
Atlas no se limita a ser un generador de vídeos convencional. Según World Labs, se trata de un modelo multimodal desarrollado desde cero, capaz de procesar texto, imágenes, posiciones de cámara, mapas de profundidad y secuencias de vídeo. Esta combinación de diferentes tipos de datos permite al modelo crear un contexto espacial coherente, facilitando la generación de nuevas observaciones que se ajustan a la percepción tridimensional del entorno. Si bien el término técnico es multimodal autoregressive diffusion transformer, la esencia de Atlas radica en su capacidad para predecir lo que debería ser visible desde una ubicación determinada en el espacio.
En varias demostraciones presentadas en el anuncio, se puede apreciar cómo, a partir de escenas grabadas con varios smartphones, Atlas genera perspectivas que no fueron capturadas originalmente. Esta capacidad de crear imágenes desde cero, manteniendo siempre la coherencia con los datos reales, abre un abanico de posibilidades creativas. Como lo expresó Fei-Fei Li en una entrevista con a16z: "No hay lenguaje ahí fuera. No sales a la naturaleza y ves palabras escritas en el cielo para ti", enfatizando la importancia de la interpretación en la generación de contenido.
Aunque las aplicaciones de Atlas son evidentes en la creación de contenido audiovisual, su potencial se extiende a otros campos, incluyendo la robótica. Este modelo puede transformar unas pocas imágenes de un entorno real en un espacio que un robot virtual puede explorar. De esta manera, genera imágenes y datos de profundidad que los sensores del robot utilizarían desde diferentes trayectorias, un proceso que World Labs denomina real-to-sim. Esto permite capturar un espacio real, convertirlo en simulación y usarlo para entrenar o evaluar robots antes de su implementación en el mundo físico.
Atlas no solo representa un avance significativo en la formación de robots, sino que también sugiere la creación de una "internet de los robots". En lugar de estar compuesta por páginas web, esta nueva red podría estar formada por vastos espacios tridimensionales donde los robots puedan experimentar y aprender. Aunque Atlas todavía no está disponible como producto completo, la visión de World Labs es desarrollar modelos que sean capaces de percibir, generar y razonar sobre mundos tanto virtuales como físicos, marcando un hito en la intersección de la inteligencia artificial y la realidad.
