World Labs presenta Atlas: de unas pocas imágenes a mundos 3D explorables

World Labs ha presentado Atlas, un modelo de IA que convierte imágenes y vídeos en escenas que pueden explorarse desde nuevos puntos de vista. La propuesta va más allá de producir un clip atractivo: busca reunir generación visual, reconstrucción tridimensional y simulación dentro de un mismo sistema.

El anuncio llegó el 1 de septiembre de 2026. Atlas comienza su recorrido mediante acceso anticipado para socios seleccionados, de modo que no estamos ante una herramienta abierta que cualquiera pueda utilizar inmediatamente. Sus demostraciones, sin embargo, permiten entender hacia dónde apunta esta nueva generación de inteligencia espacial.

Qué es Atlas y qué lo hace diferente

Un modelo de mundo intenta representar cómo es un entorno y qué puede observarse al recorrerlo. Para explicarlo de forma sencilla: una foto muestra una habitación desde un sitio concreto; Atlas trata de producir lo que verías si te acercases a la ventana, girases la cámara o mirases desde arriba.

Según el anuncio oficial de World Labs, el modelo se ha preentrenado desde cero y admite texto, imágenes, posiciones de cámara y mapas de profundidad. El vídeo se procesa como una secuencia de imágenes. Estas entradas se organizan en un contexto espacial compartido, que sirve para generar nuevas vistas.

Su arquitectura combina ideas de los modelos de lenguaje y de los generadores visuales: produce elementos sucesivos teniendo en cuenta los anteriores y emplea difusión para construir las salidas. Lo importante no es memorizar el nombre técnico, sino entender la intención: que cada nueva imagen forme parte del mismo espacio.

La cámara deja de depender solo del texto

Una de las novedades centrales es introducir la posición y orientación de la cámara como datos explícitos. En vez de pedir únicamente un movimiento mediante una frase, se puede definir el recorrido que debe seguir. Las demostraciones incluyen vídeo de hasta un minuto en 1440p a partir de unas pocas referencias.

Anuncio de Atlas por World Labs en X

Para un creador audiovisual, eso podría facilitar la preparación de un travelling o la comparación de varios encuadres antes de rodar. La diferencia es parecida a dirigir una cámara virtual en un escenario, frente a describir una escena y esperar que el generador interprete correctamente cada movimiento.

Reconstruir no es lo mismo que adivinar

Atlas también genera representaciones tridimensionales explícitas, como nubes de puntos y escenas basadas en Gaussian splatting. Estas últimas utilizan numerosos elementos tridimensionales para representar la apariencia del entorno y permitir visualizarlo desde diferentes ángulos. No son simplemente un vídeo con sensación de profundidad.

Hay una advertencia esencial: lo que ninguna cámara ha capturado puede ser inventado. Si una foto enseña un jardín, el sistema puede imaginar la casa situada detrás. Añadir imágenes aporta evidencia y reduce esa libertad creativa, pero una reconstrucción convincente no se convierte automáticamente en una medición exacta.

Esto cambia cómo conviene valorar el resultado. Para diseñar un mundo ficticio, completar huecos puede ser una ventaja. Para documentar un edificio real, esas mismas invenciones son un problema. Harían falta comprobaciones de dimensiones, distribución y elementos ocultos antes de tratarlo como una reproducción fiable.

Pensemos en una inmobiliaria que quisiera convertir fotografías de una vivienda en una visita virtual. Ganar continuidad entre habitaciones sería útil, pero inventar una puerta, ampliar un pasillo o eliminar una columna alteraría lo que se está ofreciendo. La calidad visual debe ir acompañada de una explicación sobre qué procede de las capturas y qué ha completado el modelo.

Por qué interesa a la robótica

El uso robótico consiste en transformar capturas de un lugar en un entorno de simulación. Atlas puede generar las imágenes y lecturas de profundidad que recibirían las cámaras de un robot virtual mientras se mueve por ese espacio. La empresa muestra entornos reconstruidos a partir de vídeos grabados con un móvil.

La posibilidad resulta atractiva: variar iluminación, obstáculos o posiciones permitiría ensayar más situaciones sin reorganizar físicamente una instalación en cada prueba. Pero no basta con que el entorno parezca real. Para trasladar lo aprendido a una máquina, también importan la geometría, los contactos y el comportamiento de los objetos.

Aplicaciones que merece la pena seguir

• Cine y publicidad: explorar movimientos de cámara y preparar efectos visuales antes de una producción.
• Videojuegos: desarrollar prototipos de escenarios y comprobar recorridos, sin confundirlos con un juego terminado.
• Arquitectura e interiorismo: visualizar alternativas espaciales, verificando después medidas y detalles constructivos.
• Robótica: preparar entornos variados para pruebas de navegación y manipulación.
• Experiencias inmersivas: construir visitas virtuales y panorámicas que puedan observarse desde perspectivas distintas.

Qué sabemos de sus límites y disponibilidad

Como señala Diario TI en su cobertura, las comparativas divulgadas no constituyen una validación independiente del rendimiento general. En control de cámara, Atlas recibió directamente la trayectoria, mientras que los rivales recibieron descripciones textuales porque no admitían esa entrada nativa.

La diferencia demuestra el interés de un control espacial específico, pero obliga a contextualizar cualquier clasificación. No permite concluir que Atlas sea superior en todas las tareas de vídeo, reconstrucción o simulación.

Para valorar una herramienta así, convendría probar escenas propias, repetir un mismo recorrido y observar si los objetos conservan su posición. También habría que medir cuánto cuesta corregir un fallo. Ahorrar tiempo en la primera generación sirve de poco si después hay que reconstruir manualmente gran parte del resultado.

El anuncio permite solicitar acceso anticipado y prevé que Atlas impulse futuras versiones de Marble y otros productos. No concreta precios ni una fecha de apertura general. Su promesa es ambiciosa: convertir unas pocas capturas en material útil para trabajar con espacios. El siguiente paso será comprobar cuánto de esa promesa se mantiene fuera de las demostraciones seleccionadas.