World Labs presenteert Atlas: één AI-model bouwt complete 3D-werelden uit foto's

Het Amerikaanse AI-bedrijf World Labs heeft een nieuw model gepresenteerd genaamd Atlas. Het model kan uit een handvol foto's complete driedimensionale scènes bouwen, bestaande beelden reconstrueren tot een navigeerbare ruimte en de werkelijkheid simuleren voor toepassingen zoals robotica. Volgens World Labs presteert Atlas beter dan gespecialiseerde modellen die maar één van deze taken kunnen.

Ruimte begrijpen als een mens

World Labs beschrijft Atlas als een wereldmodel: een AI-systeem dat driedimensionale ruimte moet kunnen begrijpen, net zoals mensen dat doen. Het model is getraind op tekst, beelden, video en 3D-data tegelijk, en koppelt elk stukje informatie aan een positie in de ruimte in plaats van het te behandelen als een simpele reeks. Fei-Fei Li beschreef dit probleem al in een essay van november 2025: gangbare taalmodellen en videomodellen knippen data op in platte reeksen, waardoor zelfs simpele ruimtelijke taken onnodig lastig worden.

Voor gebruikers betekent dit dat Atlas op basis van één of meerdere foto's nieuwe standpunten kan genereren, met de camerapositie als exacte instructie in plaats van een vage tekstopdracht. Het model levert tot een minuut video op in 1440p-kwaliteit. Bij reconstructie van bestaande plekken volstaan soms twee of drie foto's al voor een betrouwbaar resultaat; met meer beeldmateriaal wordt de reconstructie preciezer. In een demonstratie bouwde Atlas het hoofdplein van Stanford University op uit slechts een handvol grondfoto's, inclusief een luchtfoto die nooit is gemaakt.

Puntenwolken en trainingsdata voor robots

Atlas geeft niet alleen platte beelden terug, maar ook echte 3D-data zoals puntenwolken en 3D Gaussian splats, de representatievorm die ook wordt gebruikt in het bestaande product Marble van World Labs. Dat maakt het model bruikbaar als simulator: van beelden die met een paar smartphonecamera's zijn geschoten, kan Atlas een 'bullet time'-effect maken waarbij een moment wordt bevroren en vanuit onmogelijke hoeken bekeken kan worden.

Voor de robotica-industrie is dat extra waardevol. Atlas kan een ruimte reconstrueren en simuleren wat de sensoren van een robot zouden zien tijdens een taak, inclusief variaties in belichting, objecten en posities. Zo ontstaat op basis van een paar foto's een grote hoeveelheid trainingsdata zonder dat elke situatie in de praktijk hoeft te worden nagebouwd, een aanpak die World Labs eerder al toonde met een los product voor robottraining, gebouwd op technologie van het overgenomen bedrijf SceniX.

Sneller dan videomodellen, preciezer dan taalmodellen

Atlas combineert de architectuur van taalmodellen met die van diffusiemodellen. Het genereert output stap voor stap zoals een taalmodel, waardoor technieken als KV-caching het proces kunnen versnellen. Tegelijk gebruikt het het diffusieprincipe uit beeld- en videomodellen, waarbij ruis geleidelijk wordt weggefilterd tot een scherp resultaat.

In tests met menselijke beoordelaars won Atlas tot 94 procent van de vergelijkingen met concurrerende modellen zoals Seedance 2.5 en Gemini Omni Flash. Bij reconstructie uit een beperkt aantal foto's boekte het model de laagste foutmarge van alle geteste modellen. World Labs, dat in februari 2026 een investeringsronde van 1 miljard dollar ophaalde bij onder meer Nvidia en Autodesk, wil Atlas inzetten in toekomstige versies van Marble en stelt het model nu beschikbaar via een early-access-programma voor geselecteerde partners.