Atlas : Le premier modèle de monde multimodal lancé par la startup de Fei-Fei Li
Atlas est un modèle de monde multimodal révolutionnaire capable de générer des images et vidéos avec un contrôle caméra au niveau pixel, tout en les reconstruisant en scènes 3D.
Atlas : Le premier modèle de monde multimodal lancé par la startup de Fei-Fei Li
Découvrez Atlas – le premier modèle de monde multimodal de l'histoire. Il génère des images et des vidéos avec un contrôle caméra au niveau du pixel et peut les reconstruire en scènes 3D sous forme de nuages de points explicites et de splats gaussiens 3D. Il est également entraîné pour des simulations spatio-temporelles.
Caractéristiques clés :
- Durée vidéo : Jusqu'à 1 minute en 1440p.
- Images de référence : Jusqu'à 6.
Architecture
Atlas utilise un transformateur à diffusion multimodale, essentiellement une hybridation entre l'architecture LLM (avec autorégression + mise en cache) et les modèles vidéo à diffusion (pour le débruitage), combinée à l'idée de contexte spatial. Cela signifie que chaque élément contextuel possède une attache 3D explicite via la position de la caméra.
Benchmarks
Il revendique une supériorité sur les modèles spécialisés dans la génération contrôlée par caméra (MiniMax, Gemini Omni Flash, FLUX, etc.) et dans la reconstruction 3D (Pi3X, VGGT, Depth Anything 3, etc.).
Applications
Le moteur est si précis qu'il peut être utilisé pour entraîner des robots. Atlas peut construire une scène 3D explicite à partir d'une vidéo, où les mouvements du robot peuvent être simulés et entraînés (c'est ce qu'on appelle l'approche Real-to-Sim-to-Real). Le modèle génère des données RGB et de profondeur depuis la perspective des caméras embarquées du robot et peut même créer une simulation permettant la manipulation d'objets.
Conclusion
Cette sortie constitue une réalisation impressionnante dans le domaine de l'IA et de la modélisation.
Pourquoi c'est important
AnalyseAtlas ouvre de nouvelles possibilités pour la création de scènes 3D et l'entraînement de robots, ce qui pourrait avoir un impact significatif sur le développement des technologies d'IA. C'est une étape importante vers l'intégration de l'IA dans le monde réel.
Discuter dans la communauté
Partagez vos questions et vos idées avec les développeurs
Lié dans l'écosystème
Guides pratiques, terminologie clé et compétences d'agents
Google Gemini Pro (Modèle Google à contexte illimité)
Le modèle de travail principal de Google DeepMind, doté d'une fenêtre de contexte record de plus de 2 millions de tokens. Il est capable d'analyser en une seule requête des livres entiers, des vidéos chronométrées et des bases de code massives.
Raisonnement multimodal natif
Architectures d'intelligence artificielle capables de mener des raisonnements logiques approfondis sur le code, les diagrammes d'architecture, les captures d'écran d'interface utilisateur et les flux vidéo au sein d'un espace d'attention unifié.
Des chercheurs du MIT montrent que GPT-6 Astra peut améliorer d’autres modèles d’IA en modifiant leurs poids
Dans une expérience, Astra a porté la précision de Qwen3.5-0.8B sur MATH-500 de 7,9 % à 48,1 % en ne modifiant que 0,016 % des poids du modèle.
JSON — données structurées pour les applications, les API et les agents IA
Guide pratique complet du format JSON : règles de syntaxe, sérialisation via parse/stringify, intégration avec les API REST, schémas JSON et sortie structurée pour l'intelligence artificielle.