World Labs uvádí Frameboy pro průzkum Atlasu v reálném čase

World Labs uvedla Frameboy 5. listopadu 2026 jako výzkumnou ukázku, která podle společnosti streamuje scény generované Atlasem z cloudových GPU do prohlížeče rychlostí až 15 snímků za sekundu, zatímco uživatelé ovládají kameru. Společnost tuto funkci integrovala také do Viewfinderu, své webové aplikace pro tvorbu 3D scén, která je v uzavřené beta verzi.

Od požadavků na vykreslení k nepřetržitému průzkumu

World Labs uvádí, že optimalizovaná varianta Atlasu, na níž Frameboy stojí, je navržena tak, aby umožňovala rychlejší a efektivnější inferování při zachování kvality syntézy nových pohledů. Hlavní novinkou oznámení je nový způsob interakce: místo toho, aby uživatel zadal požadavek na video a čekal na výsledek, dostává snímky průběžně a během průzkumu může měnit trasu kamery.

Když ručně spuštěné video Atlasu vzniká desítky sekund nebo několik minut, uživatelé podle World Labs při tvorbě scén a plánování tras kamery postupují opatrněji a provádějí méně iterací. Průběžný výstup jim umožňuje reagovat na nežádoucí pohled a okamžitě ho upravit. Experimentování se tak stává součástí navigace, místo aby bylo odděleno do řady samostatných úloh generování.

Mezi možné způsoby využití Atlasu patří podle společnosti hledání virtuálních stanovišť kamery pro natáčení filmů, kontrola postupu stavebních prací, tvorba 3D úrovní her a simulace prostředí pro roboty. Tyto úlohy zahrnují výběr nebo testování stanovišť kamery, což pomáhá vysvětlit, proč World Labs považuje latenci generování za problém na úrovni produktu, a ne pouze za metriku inferování.

Viewfinder nejprve vytvoří scénu, teprve potom začne streamování

Ukázka Frameboy nabízí kurátorovaný výběr prostředí: Stanford Quad, Sutro Baths, Palace of Fine Arts, Cyberpunk, Spaceship Interior a Frozen Fortress. World Labs uvádí, že scény lze vytvořit na základě jediného obrázku; Atlas pak generuje další úhly pohledu, které doplňují prostorový kontext Frameboy. Pro navigaci v reálných lokalitách lze místo toho použít vícepohledové záznamy.

Viewfinder nabízí víc než jen tento kurátorovaný výběr. Uživatelé vytvářejí scénu snímek po snímku z vlastních podkladů, generují pohledy z různých úhlů kamery a pro každý nový snímek Atlasu dostávají barevnou i hloubkovou informaci. Scéna vytvořená ve Viewfinderu pak může posloužit jako vstup pro relaci Frameboy v reálném čase, jejíž překryvná vrstva během průzkumu streamuje generované snímky.

Viewfinder je k vyzkoušení v uzavřené beta verzi; zájemci se mohou zapsat na čekací listinu. Když byl Atlas představen, vstupoval také do fáze předběžného přístupu pro vybrané partnery. Nový způsob streamování je součástí těchto programů s omezeným přístupem.

Architektura Atlasu a návaznost na RTFM

World Labs představil Atlas 1. září 2026 jako všestranný model světa, předtrénovaný od základů tak, aby nativně pracoval s textem, obrázky, videem a 3D obsahem. Jeho multimodální autoregresivní difuzní transformátor zasazuje vstupy do 3D prostoru a vytváří prostorový kontext; poté generuje prvky sekvence jeden po druhém na základě předchozích prvků. Mezi podporované vstupy patří text, obrázky, pózy kamery a 3D hloubkové mapy; videa jsou reprezentována jako sekvence obrázků a každý obrázek nebo hloubková mapa vychází z výslovně zadané pózy kamery.

World Labs uvádí, že Atlas dokáže s ovládáním kamery vygenerovat až jednu minutu videa v rozlišení 1440p a rekonstruovat reálné scény z řídké sady vstupních obrázků. Umí také vytvářet mračna bodů a 3D gaussovské splaty, takže vedle generovaných obrázků a videa poskytuje i explicitní 3D výstupy.

Frameboy navazuje na RTFM, výzkumnou ukázku zveřejněnou 16. října 2025, jejímž cílem bylo dosáhnout interaktivní snímkové frekvence na jediném GPU H100. RTFM byl navržen jako naučený renderer, který generuje nové 2D pohledy bez vytváření explicitní 3D reprezentace. Jako prostorovou paměť využíval snímky s určenou polohou kamery a pro každý nový pohled vyhledával blízké snímky pomocí práce s kontextem, čímž se vyhnul tomu, aby musel zohledňovat stále se prodlužující historii snímků.

World Labs uvádí, že Atlas rozvíjí koncepty RTFM prostřednictvím mnohem většího modelu trénovaného na řádově větším množství dat. RTFM byl navržen především k interpolaci mezi existujícími úhly pohledu; Atlas dokáže vytvářet scény od základu pouze na základě jediného obrázku nebo textového popisku a zároveň zachovává schopnost syntetizovat nové pohledy ze souborů obrázků.

Limitem zůstává cloudový výpočetní výkon

World Labs uvádí, že Frameboy v současnosti vyžaduje výkonný cloudový server s GPU a ve srovnání s lokálními metodami vykreslování není levný.

Společnost očekává, že vývoj hardwaru a softwaru tuto technologii zrychlí a zlevní. Hlavní kompromis této ukázky je tedy zřejmý: průběžné generování s ovládáním kamery je dostupné v prohlížeči, ale cloudové inferování potřebné k jeho zajištění zůstává praktickou překážkou běžného používání.