World Labs、次世代世界モデル「Atlas」発表 マルチモーダルで3D再構築・シミュレーションを統合

何が起きたか

米World Labsは、次世代世界モデル「Atlas」を発表した。Atlasはテキスト・画像・動画・3Dをネイティブに扱うオムニモデルで、マルチモーダル自己回帰拡散トランスフォーマーとしてゼロから事前学習された。1枚以上の画像から最大1分・1440pの動画をピクセル単位のカメラ制御で生成できるほか、1枚から数十枚の入力画像による実世界シーンの3D再構築、入力動画からの時空間シミュレーション、テキストからの画像・360度パノラマ生成など、幅広いタスクを実行する。同社はAtlasが将来のMarbleや他製品を支えるとしている。

詳細

Atlasは、すべての入力を共有の空間コンテキストに統合し、3Dで一貫性を保ちながら次を生成する。カメラ制御生成では、1枚以上の参照画像から任意のカメラ位置・角度の新規ビューを生成し、入力画像の内容と幾何を維持しつつ、見えない部分を想像して補完する。空間再構築では、2〜3枚の入力画像で忠実な再構築が可能で、100枚以上の入力も利用できる。明示的な3D出力として、点群や3Dガウシアンスプラットを生成し、Marbleと同じ表現を用いる。時空間シミュレーションでは、3台以上のカメラ映像から「バレットタイム」的なリフレーミングを実現する。

Key Facts

本紙の見方

World Labsが発表したAtlasは、同社が2026年9月2日に発表した世界モデル「Atlas」の後継に当たる。前回のAtlasは1枚の画像から動画や3D空間を生成するもので、カメラ制御性能でGoogleのGemini Omni Flashに対し81%の勝率としていた。今回のAtlasは、テキスト・画像・動画・3Dをネイティブに扱うオムニモデルとしてゼロから事前学習された点が新しく、単なる画像生成の枠を超えて、空間再構築や時空間シミュレーションまでを統合した。これは、World Labs、世界モデル「Atlas」発表 1枚の画像から3D空間を生成で示された方向性の延長線上にあるが、入力モダリティの拡大と3D出力の明示化が進んだ点で、ロボット向けのReal-to-Simワークフローを強く意識した設計と言える。 本紙が過去に指摘したように、中国のワールドモデル企業、36Krが初の全体像を整理 評価額は短期間で急騰では中国勢の台頭が報じられたが、World Labsは米国発の世界モデル企業として、今回のAtlasで技術的な優位性を示そうとしている。特に、スパースな入力からの3D再構築は、数十年にわたる3Dコンピュータビジョンの根本問題であり、Atlasがこれを解決する一歩と主張する点は、競合他社との差別化要因になる。 業界構造への含意として、Atlasの3Dガウシアンスプラット出力は、同社のMarbleと共通の表現であり、NVIDIAが2025年12月にIsaac Simへ統合したワークフローとの親和性が高い。これにより、ロボットシミュレーション環境の生成がテキストや画像から高速化され、フィジカルAIの開発サイクルを短縮する可能性がある。一方で、具現化AIユニコーン、展示会の域を出ず TMTPostが指摘で指摘されたように、実用化や量産にはまだ課題が残る。Atlasの性能が実際のロボットタスクでどの程度有効かは、今後の検証が待たれる。 未確定の論点としては、Atlasの学習データの規模や計算リソース、具体的なAPI提供時期、他社モデルとの性能比較の詳細が挙げられる。また、Atlasが「Real-to-Sim」を可能にするとしているが、実際のロボット制御への応用でどの程度の精度が得られるかは、今後のベンチマーク結果を確認する必要がある。

なぜ重要か

Atlasは、世界モデルが単なる映像生成から、ロボットの行動計画に必要な3D空間理解とシミュレーションを統合する段階へ進んだことを示す。これにより、フィジカルAIの開発基盤としての世界モデルの実用性が高まり、ロボット産業のシミュレーション環境構築のコストと時間を大幅に削減する可能性がある。

日本への影響

Atlasの3D再構築とReal-to-Simワークフローは、ロボットシミュレーションの効率化に寄与する可能性がある。日本のロボット産業は、高精度なシミュレーション環境の構築に強みを持つが、Atlasのような生成モデルの活用により、環境構築の時間短縮が進むとみられる。ただし、具体的な日本企業との連携や導入事例は現時点では明らかでない。