World Labs ने रीयल-टाइम Atlas अन्वेषण के लिए Frameboy जारी किया

5 नवंबर 2026 को World Labs ने Frameboy जारी किया—यह एक शोध पूर्वावलोकन है, जिसके बारे में कंपनी का कहना है कि इसमें उपयोगकर्ता के कैमरा नियंत्रित करने के दौरान क्लाउड GPU से Atlas द्वारा बनाए गए दृश्य ब्राउज़र पर प्रति सेकंड अधिकतम 15 फ़्रेम की दर से स्ट्रीम होते हैं। कंपनी ने इस मोड को Viewfinder में भी शामिल किया है, जो 3D दृश्य बनाने वाला उसका क्लोज़्ड-बीटा वेब ऐप है।

रेंडर अनुरोधों से निरंतर अन्वेषण तक

World Labs के अनुसार, Frameboy के पीछे का अनुकूलित Atlas संस्करण नए दृष्टिकोणों से दृश्य-संश्लेषण की गुणवत्ता बनाए रखते हुए अधिक तेज़ और कुशल इन्फ़रेंस के लिए तैयार किया गया है। घोषणा का मुख्य अंतर एक नया संवाद-चक्र है: वीडियो का अनुरोध करके उसके तैयार होने की प्रतीक्षा करने के बजाय, उपयोगकर्ता को लगातार फ़्रेम मिलते रहते हैं और वह खोज के दौरान कैमरे का पथ बदल सकता है।

World Labs के अनुसार, जब Atlas से हाथों-हाथ शुरू किए गए वीडियो को तैयार होने में कई दसियों सेकंड या कई मिनट लगते हैं, तो उपयोगकर्ता दृश्य बनाने और कैमरे के मार्ग की योजना बनाने में हिचकिचाते हैं, जिससे बार-बार सुधार के मौके कम हो जाते हैं। लगातार आउटपुट मिलने पर वे अनचाहे दृश्य पर तुरंत प्रतिक्रिया देकर बदलाव कर सकते हैं। इससे प्रयोग अलग-अलग जनरेशन कार्यों की शृंखला तक सीमित रहने के बजाय नेविगेशन का हिस्सा बन जाता है।

Atlas के संभावित उपयोगों में फ़िल्म शूट के लिए आभासी दृष्टिकोणों की पड़ताल, निर्माण स्थलों पर प्रगति का निरीक्षण, 3D गेम के स्तर विकसित करना और रोबोटों के लिए परिवेश का अनुकरण करना शामिल है। इन सभी कामों में दृष्टिकोण चुनना या आज़माना पड़ता है। इससे यह समझ आता है कि World Labs जनरेशन में लगने वाले समय को केवल इन्फरेंस का मापदंड नहीं, बल्कि उत्पाद से जुड़ा मुद्दा क्यों मान रही है।

Viewfinder स्ट्रीम शुरू होने से पहले दृश्य तैयार करता है

Frameboy का डेमो चुनिंदा दृश्यों का मेन्यू देता है, जिसमें Stanford Quad, Sutro Baths, Palace of Fine Arts, Cyberpunk, Spaceship Interior और Frozen Fortress शामिल हैं। World Labs के अनुसार, किसी एक छवि से दृश्य की शुरुआत की जा सकती है; फिर Atlas अतिरिक्त दृष्टिकोण तैयार करता है, जो Frameboy के स्थानिक संदर्भ का हिस्सा बनते हैं। इसके बजाय, कई दृष्टिकोणों से लिए गए चित्रों का इस्तेमाल वास्तविक दुनिया के स्थानों में नेविगेशन के लिए किया जा सकता है।

Viewfinder इस चुनी हुई सूची से आगे जाता है। उपयोगकर्ता अपने इनपुट से फ़्रेम-दर-फ़्रेम दृश्य बनाते हैं, कैमरे के अलग-अलग कोणों से दृश्य तैयार करते हैं और Atlas के हर नए फ़्रेम के लिए रंग तथा गहराई—दोनों की जानकारी पाते हैं। इसके बाद Viewfinder में बनाया गया दृश्य रीयल-टाइम Frameboy सत्र का इनपुट बन सकता है, जिसमें ओवरले अन्वेषण के दौरान तैयार किए गए फ़्रेम स्ट्रीम करता है।

Viewfinder को प्रतीक्षा-सूची के ज़रिए क्लोज़्ड बीटा में आज़माया जा सकता है; Atlas को पेश किए जाने के समय चुनिंदा साझेदारों के लिए शुरुआती पहुँच भी शुरू हो रही थी। नई स्ट्रीमिंग प्रक्रिया इन्हीं सीमित पहुँच कार्यक्रमों के दायरे में आती है।

Atlas की संरचना और RTFM से इसका संबंध

World Labs ने Atlas को 1 सितंबर 2026 को ऐसे सर्वांगीण विश्व मॉडल के रूप में पेश किया, जिसे शुरुआत से प्रशिक्षित किया गया है ताकि वह पाठ, छवियों, वीडियो और 3D पर मूल रूप से काम कर सके। इसका बहुमाध्यमी ऑटोरेग्रेसिव डिफ्यूज़न ट्रांसफ़ॉर्मर इनपुट को 3D स्थान में स्थापित करके स्थानिक संदर्भ बनाता है, फिर पहले के तत्वों के आधार पर अनुक्रम के तत्व एक-एक करके तैयार करता है। इसमें पाठ, छवियाँ, कैमरा पोज़ और 3D डेप्थ मैप इनपुट के रूप में इस्तेमाल किए जा सकते हैं; वीडियो को छवियों के अनुक्रम के रूप में दर्शाया जाता है और हर छवि या डेप्थ मैप को एक स्पष्ट कैमरा पोज़ के आधार पर तैयार किया जाता है।

World Labs का कहना है कि Atlas कैमरा नियंत्रण के साथ 1440p वीडियो का अधिकतम एक मिनट तैयार कर सकता है और कम संख्या में इनपुट छवियों से वास्तविक दुनिया के दृश्यों का पुनर्निर्माण कर सकता है। यह पॉइंट क्लाउड और 3D गॉसियन स्प्लैट्स भी बना सकता है, जिससे मॉडल द्वारा तैयार छवियों और वीडियो के साथ स्पष्ट 3D आउटपुट भी मिलते हैं।

Frameboy से पहले RTFM आया था—यह 16 अक्टूबर 2025 को जारी किया गया शोध पूर्वावलोकन था, जिसे एक H100 GPU पर इंटरैक्टिव फ़्रेम दर हासिल करने के लक्ष्य से बनाया गया था। RTFM को एक सीखे हुए रेंडरर के रूप में डिज़ाइन किया गया था, जो स्पष्ट 3D निरूपण बनाए बिना नए 2D दृश्य तैयार करता था। इसमें स्थानिक स्मृति के रूप में कैमरा पोज़ वाले फ़्रेमों का उपयोग किया जाता था और हर नए दृश्य के लिए संदर्भ को व्यवस्थित करके आस-पास के फ़्रेम खोजे जाते थे। इससे लगातार बढ़ते फ़्रेम इतिहास पर अटेंशन देने की ज़रूरत नहीं पड़ती थी।

World Labs का कहना है कि Atlas कहीं बड़े मॉडल और परिमाण के कई क्रम अधिक डेटा पर प्रशिक्षण के ज़रिए RTFM की अवधारणाओं को व्यापक स्तर पर लागू करता है। RTFM को मुख्य रूप से मौजूदा दृष्टिकोणों के बीच अंतर्वेशन के लिए बनाया गया था; Atlas केवल एक छवि या पाठ-आधारित विवरण से शुरुआत करके दृश्य तैयार कर सकता है और साथ ही छवियों के संग्रह से नए दृष्टिकोणों का संश्लेषण भी कर सकता है।

क्लाउड कंप्यूटिंग अब भी बाधा

World Labs का कहना है कि फिलहाल Frameboy के लिए एक शक्तिशाली क्लाउड GPU सर्वर ज़रूरी है और स्थानीय रेंडरिंग तरीकों की तुलना में यह सस्ता नहीं है।

कंपनी को उम्मीद है कि हार्डवेयर और सॉफ़्टवेयर के विकास से यह तकनीक तेज़ और सस्ती होगी। इसलिए इस पूर्वावलोकन का मुख्य समझौता स्पष्ट है: कैमरा नियंत्रित करते हुए लगातार जनरेशन ब्राउज़र तक पहुँचती है, लेकिन इसे बनाए रखने के लिए ज़रूरी क्लाउड इन्फरेंस अब भी रोज़मर्रा के इस्तेमाल में व्यावहारिक बाधा है।