La inteligencia artificial dio un nuevo paso en su intento por comprender el entorno que nos rodea. La firma World Labs, cofundada por la investigadora Fei-Fei Li —considerada una de las figuras clave en el desarrollo de la IA—, presentó Atlas. Se trata de una propuesta centrada en los denominados «modelos del mundo», diseñados para interpretar y reconstruir el espacio tridimensional en lugar de limitarse a generar texto o video convencional.
A diferencia de los modelos de lenguaje que predicen la palabra siguiente en una frase, Atlas predice qué debería observarse a continuación desde una posición determinada en el espacio 3D. En una entrevista con la firma a16z, Fei-Fei Li resumió la premisa central del proyecto: «No hay lenguaje ahí fuera. No sales a la naturaleza y ves palabras escritas en el cielo para ti».
Cómo funciona la reconstrucción espacial
Técnicamente calificado como un transformador de difusión autorregresivo multimodal, el modelo fue entrenado desde cero para unificar distintos tipos de información en un mismo contexto espacial:
- Texto e imágenes estáticas.
- Secuencias de video y posiciones de cámara.
- Mapas de profundidad.
A partir de estos insumos, Atlas puede generar ángulos de visión que no fueron registrados por ninguna cámara real. En las pruebas de presentación, el sistema procesó escenas filmadas con dos o tres teléfonos celulares y creó tomas inéditas manteniendo la coherencia con el espacio real. En los casos donde la información es incompleta —como un rincón que ninguna cámara captó—, el modelo completa el espacio inventando una solución plausible. Desde World Labs resumieron este funcionamiento señalando que a mayor cantidad de imágenes recibidas, menor es la cantidad de contenido que el sistema debe imaginar.
Usos en cine y robótica
El desarrollo ofrece aplicaciones concretas para la industria audiovisual. Los realizadores pueden escribir indicaciones detalladas con trayectorias de cámara específicas para obtener tomas digitales desde ubicaciones donde la cámara física nunca estuvo presente.
Además del ámbito cinematográfico, Atlas apunta a resolver uno de los mayores desafíos de la robótica a través del proceso denominado real-to-sim. La herramienta permite transformar fotografías de un lugar real en una simulación interactiva. De este modo, genera los datos visuales y de profundidad que los sensores de un robot captarían al recorrer ese entorno, facilitando su entrenamiento en espacios virtuales.