World Labs lancerer Frameboy til udforskning af Atlas i realtid

World Labs lancerede Frameboy den 5. november 2026, en forskningsforhåndsvisning, der ifølge virksomheden streamer Atlas-genererede scener fra cloud-GPU’er til en browser med op til 15 billeder i sekundet, mens brugerne styrer kameraet. Virksomheden har også integreret funktionen i Viewfinder, sin webapp i lukket betaversion til opbygning af 3D-scener.

Fra renderingsanmodninger til kontinuerlig udforskning

World Labs siger, at den optimerede Atlas-variant bag Frameboy er udviklet til hurtigere og mere effektiv inferens, samtidig med at kvaliteten af syntesen af nye synsvinkler bevares. Den vigtigste forskel, som annonceringen fremhæver, er en ny interaktionscyklus: I stedet for at anmode om en video og vente på resultatet modtager brugeren løbende billeder og kan ændre kameraets bane under udforskningen.

Når en video fra Atlas, der sættes i gang manuelt, tager flere titals sekunder eller flere minutter, bliver brugerne ifølge World Labs mere tilbageholdende med at opbygge scener og planlægge kamerabaner, og de gennemfører færre iterationscyklusser. Med løbende output kan de reagere på en uønsket visning og straks foretage justeringer. Dermed bliver eksperimenteringen en del af navigationen i stedet for at være isoleret i en række separate genereringsopgaver.

Blandt de mulige anvendelser af Atlas nævner virksomheden at undersøge virtuelle synsvinkler til filmoptagelser, inspicere fremskridt på byggepladser, udvikle 3D-spilbaner og simulere miljøer for robotter. Disse opgaver indebærer, at man vælger eller afprøver synsvinkler, hvilket er med til at forklare, hvorfor World Labs betragter genereringsforsinkelse som et produktproblem og ikke blot som et inferensmål.

Viewfinder opbygger scenen før streamingen

Frameboy-demoen har en kurateret menu med Stanford Quad, Sutro Baths, Palace of Fine Arts, Cyberpunk, Spaceship Interior og Frozen Fortress. World Labs siger, at scener kan oprettes ud fra et enkelt billede, hvorefter Atlas genererer flere synsvinkler, der udfylder Frameboys rumlige kontekst; optagelser fra flere synsvinkler kan i stedet bruges til at levere virkelige steder, som man kan navigere i.

Viewfinder rækker ud over denne kuraterede liste. Brugerne opbygger en scene billede for billede ud fra deres egne input, genererer visninger fra forskellige kameravinkler og får både farve og dybde for hvert nyt Atlas-billede. En scene, der er opbygget i Viewfinder, kan derefter bruges som input til en Frameboy-session i realtid, hvor et overlejringslag streamer genererede billeder under udforskningen.

Viewfinder kan afprøves i en lukket betaversion via en venteliste; da Atlas blev introduceret, var produktet også på vej ind i tidlig adgang hos udvalgte partnere. Den nye streamingarbejdsgang indgår i disse programmer med begrænset adgang.

Atlas’ arkitektur og forbindelsen til RTFM

World Labs introducerede Atlas den 1. september 2026 som en universel verdensmodel, der er fortrænet fra bunden til at arbejde direkte med tekst, billeder, video og 3D. Dens multimodale, autoregressive diffusionstransformer forankrer input i et 3D-rum for at danne en rumlig kontekst og genererer derefter sekvenselementer ét ad gangen på grundlag af de foregående elementer. Modellen understøtter tekst, billeder, kamerapositioner og 3D-dybdekort som input; videoer repræsenteres som billedsekvenser, og hvert billede eller dybdekort betinges af en eksplicit kameraposition.

World Labs siger, at Atlas kan generere op til ét minuts video i 1440p med kamerastyring og rekonstruere virkelige scener ud fra sparsomme inputbilleder. Modellen kan også generere punktskyer og 3D-gaussiske splats, så den kan levere eksplicitte 3D-resultater ud over genererede billeder og videoer.

Frameboy bygger videre på RTFM, en forskningsforhåndsvisning, der blev lanceret den 16. oktober 2025, og som sigtede mod interaktive billedhastigheder på én enkelt H100-GPU. RTFM var udviklet som en indlært renderer, der genererede nye 2D-visninger uden at opbygge en eksplicit 3D-repræsentation. Modellen brugte frames med kamerapositioner som rumlig hukommelse og hentede nærliggende frames til hver ny visning ved hjælp af konteksthåndtering, så den undgik at anvende attention på en stadigt voksende framehistorik.

World Labs siger, at Atlas videreudvikler RTFM’s idéer med en langt større model, der er trænet på størrelsesordener mere data. RTFM var primært udviklet til at interpolere mellem eksisterende synsvinkler; Atlas kan generere scener fra bunden ud fra blot ét billede eller en billedtekst, samtidig med at modellen bevarer evnen til at syntetisere nye synsvinkler ud fra billedsamlinger.

Cloudberegning er fortsat en begrænsning

World Labs siger, at Frameboy i øjeblikket kræver en kraftig cloud-GPU-server og ikke er billig sammenlignet med lokale renderingsmetoder.

Virksomheden forventer, at udviklingen af hardware og software vil gøre teknologien hurtigere og billigere. Forhåndsvisningens centrale kompromis er derfor tydeligt: Kontinuerlig generering med kamerastyring når ud i browseren, mens den cloudbaserede inferens, der skal til for at opretholde den, fortsat er den praktiske hindring for rutinemæssig brug.