World Labs ra mắt Frameboy để khám phá Atlas theo thời gian thực

World Labs đã phát hành Frameboy vào ngày 5 tháng 11 năm 2026, một bản xem trước nghiên cứu mà theo công ty, truyền các cảnh do Atlas tạo ra từ GPU đám mây đến trình duyệt với tốc độ lên đến 15 khung hình mỗi giây trong khi người dùng điều khiển máy quay. Công ty cũng tích hợp chế độ này vào Viewfinder, ứng dụng web đang trong giai đoạn thử nghiệm beta kín, dùng để xây dựng cảnh 3D.

Từ yêu cầu kết xuất đến khám phá liên tục

World Labs cho biết phiên bản Atlas được tối ưu hóa, làm nền tảng cho Frameboy, được thiết kế để thực hiện suy luận nhanh và hiệu quả hơn mà vẫn giữ chất lượng tổng hợp góc nhìn mới. Điểm khác biệt chính trong thông báo là một vòng tương tác mới: thay vì yêu cầu tạo video rồi chờ kết quả, người dùng nhận được các khung hình liên tục và có thể thay đổi đường di chuyển của máy quay trong lúc khám phá.

World Labs cho biết khi một video Atlas được tạo theo cách thủ công mất hàng chục giây hoặc vài phút, người dùng sẽ dè dặt hơn trong việc dựng cảnh và lên kế hoạch cho đường di chuyển của máy quay, khiến số lần lặp lại giảm đi. Luồng đầu ra liên tục cho phép họ phản ứng với góc nhìn không mong muốn và điều chỉnh ngay lập tức. Nhờ đó, quá trình thử nghiệm được tích hợp vào thao tác điều hướng, thay vì bị tách riêng thành một chuỗi tác vụ tạo nội dung độc lập.

Các ứng dụng tiềm năng được liệt kê cho Atlas gồm khảo sát góc nhìn ảo cho các buổi quay phim, kiểm tra tiến độ tại công trường, phát triển màn chơi 3D và mô phỏng môi trường cho robot. Những tác vụ này liên quan đến việc chọn hoặc thử nghiệm góc nhìn, qua đó giúp lý giải vì sao World Labs xem độ trễ khi tạo nội dung là vấn đề ở cấp độ sản phẩm, chứ không chỉ là một chỉ số suy luận.

Viewfinder dựng cảnh trước khi truyền phát

Bản giới thiệu Frameboy cung cấp một danh sách cảnh chọn lọc, gồm Stanford Quad, Sutro Baths, Palace of Fine Arts, Cyberpunk, Spaceship Interior và Frozen Fortress. World Labs cho biết có thể tạo cảnh ban đầu từ một hình ảnh duy nhất, sau đó Atlas tạo thêm các góc nhìn để bổ sung vào ngữ cảnh không gian của Frameboy; thay vào đó, ảnh chụp đa góc có thể cung cấp địa điểm thực tế để điều hướng.

Viewfinder mở rộng hơn danh sách cảnh chọn lọc đó. Người dùng dựng cảnh từng khung hình từ dữ liệu đầu vào của riêng mình, tạo góc nhìn từ nhiều góc máy khác nhau và nhận được cả thông tin màu sắc lẫn chiều sâu cho mỗi khung hình Atlas mới. Sau đó, cảnh được dựng trong Viewfinder có thể trở thành dữ liệu đầu vào cho một phiên Frameboy thời gian thực, trong đó lớp phủ truyền phát các khung hình được tạo ra khi người dùng khám phá.

Người dùng có thể đăng ký danh sách chờ để thử nghiệm Viewfinder trong giai đoạn beta kín; khi được giới thiệu, Atlas cũng đang bước vào giai đoạn truy cập sớm với một số đối tác được chọn. Quy trình truyền phát mới nằm trong khuôn khổ các chương trình truy cập hạn chế này.

Kiến trúc Atlas và nền tảng RTFM

World Labs giới thiệu Atlas vào ngày 1 tháng 9 năm 2026, như một mô hình thế giới đa phương thức toàn diện được huấn luyện trước từ đầu để xử lý trực tiếp văn bản, hình ảnh, video và dữ liệu 3D. Bộ biến áp khuếch tán tự hồi quy đa phương thức của mô hình đặt dữ liệu đầu vào vào không gian 3D để hình thành ngữ cảnh không gian, rồi tạo từng phần tử trong chuỗi lần lượt, dựa trên các phần tử trước đó. Các dữ liệu đầu vào được hỗ trợ gồm văn bản, hình ảnh, tư thế máy quay và bản đồ độ sâu 3D; video được biểu diễn dưới dạng chuỗi hình ảnh, còn mỗi hình ảnh hoặc bản đồ độ sâu đều được điều kiện hóa bằng một tư thế máy quay cụ thể.

World Labs cho biết Atlas có thể tạo video 1440p dài tối đa một phút với khả năng điều khiển máy quay, đồng thời dựng lại cảnh thực tế từ những hình ảnh đầu vào thưa. Mô hình cũng có thể tạo đám mây điểm và các đám mây Gaussian 3D, nhờ đó cung cấp đầu ra 3D tường minh bên cạnh hình ảnh và video được tạo ra.

Frameboy tiếp nối RTFM, một bản xem trước nghiên cứu được phát hành vào ngày 16 tháng 10 năm 2025, hướng đến tốc độ khung hình tương tác trên một GPU H100 duy nhất. RTFM được thiết kế như một bộ kết xuất học được, tạo ra các góc nhìn 2D mới mà không cần dựng biểu diễn 3D tường minh. Mô hình sử dụng các khung hình có thông tin tư thế làm bộ nhớ không gian và truy xuất những khung hình gần nhất cho mỗi góc nhìn mới thông qua cơ chế điều phối ngữ cảnh, tránh phải xử lý sự chú ý trên lịch sử khung hình ngày càng dài.

World Labs cho biết Atlas mở rộng các ý tưởng của RTFM bằng một mô hình lớn hơn nhiều, được huấn luyện trên lượng dữ liệu lớn hơn theo cấp số nhân. RTFM chủ yếu được thiết kế để nội suy giữa các góc nhìn hiện có; Atlas có thể tạo cảnh từ đầu chỉ bằng một hình ảnh hoặc chú thích văn bản, đồng thời vẫn giữ khả năng tổng hợp góc nhìn mới từ các bộ sưu tập hình ảnh.

Năng lực điện toán đám mây vẫn là trở ngại

World Labs cho biết Frameboy hiện cần một máy chủ GPU đám mây mạnh và có chi phí cao hơn so với các phương pháp kết xuất cục bộ.

Công ty dự đoán phần cứng và phần mềm ngày càng phát triển sẽ giúp công nghệ này nhanh hơn và rẻ hơn. Vì vậy, sự đánh đổi cốt lõi của bản xem trước rất rõ ràng: khả năng tạo nội dung liên tục, có điều khiển máy quay đã được đưa lên trình duyệt, nhưng năng lực suy luận trên đám mây cần thiết để duy trì khả năng đó vẫn là rào cản thực tế đối với việc sử dụng thường xuyên.