Cosa sappiamo di Atlas, il modello di Ai creato da World Lab di Fei-Fei Li?

Il modello può anche combinare fotografie diverse, collocarle virtualmente nello spazio e immaginare corridoi, porte o aree di passaggio che le colleghino. È una funzione potente, ma anche il punto nel quale ricostruzione e generazione rischiano di confondersi: quando mancano informazioni, Atlas non recupera la realtà nascosta, bensì costruisce una soluzione plausibile.

L’azienda lo dichiara apertamente. Con una sola immagine il sistema deve inventare gran parte di ciò che non vede; aggiungendo fotografie, la ricostruzione diventa più fedele. In alcuni casi bastano due o tre viste, mentre per riprodurre con maggiore precisione un luogo Atlas può elaborarne più di cento.

Il risultato può essere restituito come filmato, nuvola di punti oppure attraverso i 3D Gaussian splats, una tecnica che rappresenta una scena mediante milioni di elementi tridimensionali colorati e consente di esplorarla in tempo reale. Le applicazioni più immediate riguardano cinema, videogiochi, progettazione, effetti speciali e ambienti virtuali.

World Labs sostiene che Atlas superi alcuni modelli video nella capacità di seguire movimenti complessi della telecamera e diversi sistemi open source specializzati nella ricostruzione 3D. I confronti sono stati condotti, rispettivamente, attraverso valutatori umani e benchmark accademici sull’errore di ricostruzione.

Sono però risultati presentati dalla stessa società. Non è stato pubblicato un articolo scientifico completo con tutti i dettagli del modello, dei dati di addestramento e delle procedure di valutazione, né Atlas è ancora disponibile liberamente: sta entrando in una fase di accesso anticipato con un gruppo selezionato di partner.

Atlas non è solo. Google DeepMind ha sviluppato Genie 3, capace di creare da un prompt ambienti navigabili in tempo reale a 720p e 24 fotogrammi al secondo, mantenendoli coerenti per alcuni minuti: mondi virtuali nei quali addestrare e valutare agenti autonomi. Microsoft Research, con Muse — basato sul World and Human Action Model, o WHAM — genera sequenze di gioco prevedendo come lo scenario cambierà in risposta ai comandi del giocatore; per ora è rivolto soprattutto all’ideazione di videogiochi, più che alla robotica. Nvidia Cosmos offre invece modelli e strumenti espressamente progettati per la “physical AI”, con cui produrre video e simulazioni sintetiche per robot e veicoli autonomi. Nella stessa direzione lavorano i modelli V-JEPA di Meta, che imparano una rappresentazione del mondo prevedendo come una scena visiva evolverà. La differenza è nel punto di partenza: Genie privilegia mondi interattivi generati, Muse le dinamiche dei videogame, Cosmos i dati per le macchine autonome; Atlas punta soprattutto sulla ricostruzione spaziale controllabile del mondo reale.