World Labs Marble: Viziunea lui Fei-Fei Li pentru Inteligența Spațială

Cercetătoarea care le-a dat mașinilor capacitatea de a vedea le învață acum să imagineze lumi întregi. Cu World Labs Marble, Fei-Fei Li face următorul pas dincolo de generarea video către medii 3D persistente și explorabile.

De la ImageNet la Modele de Lume

💡

Pentru context despre cum se încadrează modelele de lume în evoluția video AI, consultați prezentarea noastră asupra modelelor de lume ca următoare frontieră.

Fei-Fei Li a revoluzionat viziunea computerizată cu ImageNet, setul de date care a făcut posibil deep learning-ul modern. Acum, după un an de construire a World Labs cu 230 de milioane de dolari în finanțare, ea a lansat Marble, primul produs comercial al companiei.

Teza este simplă: AI a cucerit textul, apoi imaginile, apoi video-ul. Următoarea frontieră este inteligența spațială, capacitatea de a percepe, genera și interacționa cu lumi 3D.

$230M

Finanțare Strânsă

Niveluri de Prețuri

Output Nativ

Ce Face Marble

Marble generează medii 3D persistente și descărcabile din multiple tipuri de input:

✓Prompt-uri text
✓Imagini unice
✓Video-uri
✓Panorame
✓Layout-uri 3D

Spre deosebire de modelele de lume în timp real ale concurenților precum Oasis de la Decart sau Genie de la Google, Marble creează lumi stabile cu morphing minim. Generezi o dată, apoi explorezi liber fără ca AI-ul să "uite" ce a creat.

Editorul Chisel

🔨

Editare 3D Nativă AI

Chisel decuplează structura spațială de stilul vizual. Schițează mai întâi layout-ul, apoi aplică îndrumări de stil bazate pe text.

Această abordare hibridă diferențiază Marble de modelele text-către-scenă. În loc să sperăm că AI-ul înțelege intenția ta spațială, definești explicit geometria. AI-ul gestionează estetica, materialele și iluminarea.

Gândește-te la asta ca la desenarea unui plan de etaj înainte de a cere unui designer de interior să decoreze. Controlul asupra relațiilor spațiale rămâne al tău.

Formate de Export și Compatibilitate

Lumile generate se exportă în trei formate:

Format	Caz de Utilizare
Gaussian Splats	Randare în timp real, unghiuri noi
Mesh-uri	Motoare de joc, integrare CAD
Video-uri	Creare de conținut, pre-vizualizare

💡

Toate lumile Marble sunt compatibile VR cu căștile Vision Pro și Quest 3 din start.

Structura de Prețuri

World Labs oferă patru niveluri:

Nivel	Preț	Generări	Caracteristici Cheie
Gratuit	$0	4/lună	Input text, imagine sau panoramă
Standard	$20/lună	12/lună	Input multi-imagine/video, editare avansată
Pro	$35/lună	25/lună	Expansiune scenă, drepturi comerciale
Max	$95/lună	75/lună	Toate caracteristicile, generări maxime

Nivelul gratuit îți permite să evaluezi tehnologia. Pentru muncă de producție care necesită drepturi comerciale, nivelul Pro la $35/lună reprezintă un preț de intrare rezonabil pentru o capacitate atât de nouă.

De Ce Contează Inteligența Spațială

"Inteligența spațială este provocarea definitorie a următorului deceniu." - Fei-Fei Li

Li argumentează că AI-ul actual are o limitare fundamentală: raționează slab despre spațiul 3D. Modelele de limbaj halucinează fizica. Modelele video creează geometrii imposibile. Generatoarele de imagini se chinuie cu relații spațiale consistente.

✗Abordări Actuale

Modelele video generează secvențe de cadre fără adevărată înțelegere 3D. Mișcările camerei dezvăluie inconsistențe. Obiectele își schimbă poziția sau dispar.

✓Inteligență Spațială

Reprezentarea 3D nativă permite lumi fizic consistente. Mișcă camera liber. Mediul persistă pentru că există ca geometrie, nu ca pixeli.

Pentru robotică, acest lucru contează enorm. Un robot care navighează într-o bucătărie are nevoie de înțelegere spațială, nu de predicție de cadre. Pentru efecte vizuale, regizorii au nevoie de medii explorabile, nu de траектории fixe ale camerei.

Cazuri de Utilizare în Formare

Gaming Generează medii ambientale și spații de fundal. Dezvoltatorii indie pot crea zone de explorare care ar necesita luni de producție artistică tradițională.

Efecte Vizuale Pre-vizualizarea devine interactivă. Schițează o scenă spațial, apoi explorează unghiuri de cameră înainte de a te angaja la cadre.

Arhitectură Convertește planurile de etaj în tururi explorabile. Clienții experimentează spațiile înainte de începerea construcției.

Educație Li vizualizează studenți care merg înăuntrul unei celule, chirurgi care exersează în simulări anatomice.

Expansiunea Lumii și Modul Composer

Două caracteristici abordează limitările de scară:

Expansiunea Lumii îți permite să extinzi o lume generată o dată, adăugând detalii la regiunile marginale unde calitatea de obicei se degradează. Acest lucru împinge granițele spațiului explorabil dincolo de limitele inițiale de generare.

Modul Composer combină multiple lumi în medii mai mari. Generează camere individuale, apoi le coase într-o clădire completă.

Aceste instrumente recunosc constrângerile actuale în timp ce oferă soluții practice.

Peisajul Competiției

Marble intră într-un câmp aglomerat:

Produs	Abordare	Diferențiator
Decart Oasis	Generare joc în timp real	Interactiv, dar lumile se schimbă în timpul explorării
Google Genie	Generare lume de joc	Predicție de cadre fără adevărat 3D
Odyssey	Modele de lume persistente	Focus enterprise
World Labs Marble	Generare 3D statică	Descărcabil, editabil, VR-ready

Compromisul este clar. Modelele în timp real precum Oasis oferă imediație dar instabilitate. Marble prioritizează persistența și editabilitatea față de interactivitate.

Conexiunea la Generarea Video

💡

Pentru context despre arhitecturile de difuzie utilizate în AI spațial, consultați prezentarea noastră tehnică asupra transformatoarelor de difuzie.

Cum se raportează generarea de lumi 3D la video? Împart fundații matematice în modelele de difuzie, dar rezolvă probleme diferite.

Generarea video creează secvențe temporale, cadru după cadru. AI-ul spațial creează reprezentări geometrice, suprafețe și volume. Video-ul răspunde "ce se întâmplă după?" AI-ul spațial răspunde "ce există aici?"

Punctul de convergență: video navigabil. Generează o lume 3D, apoi randează video-ul în timp ce te miști prin ea. Această abordare oferă control al camerei imposibil cu generarea video pură.

Limitări de Considerat

Marble nu este o soluție completă:

○Fără personaje animate sau elemente dinamice
○Limitele de generare pot limita fluxurile de producție
○Degradarea marginilor necesită pași de expansiune
○Doar medii statice

Pentru conținut animat, ai încă nevoie de modele de generare video. Marble excelează la medii și spații, nu la actori sau acțiuni.

Imaginea de Ansamblu

Fei-Fei Li vede inteligența spațială ca esențială pentru progresul AI:

"Cred că toți avem responsabilitatea de a conduce AI către o stare mai bună pe măsură ce devine mai puternic. Cu toții ar trebui să dorim ca umanitatea să prevaleze și să prospere."

Viziunea ei se extinde dincolo de divertisment. Simulări medicale unde studenții explorează anatomia. Vizualizări științifice unde cercetătorii navighează structuri moleculare. Medii de antrenament robotic generate la cerere.

Marble este primul pas, o dovadă de concept comercială. Cercetarea continuă către generare de lumi mai dinamică, interactivă și fizic precisă.

Cum Să Începi

World Labs oferă un nivel gratuit cu 4 generări pe lună. Suficient pentru a evalua tehnologia și a înțelege constrângerile sale.

Pentru creatori care lucrează deja în 3D, capacitatea de export mesh se integrează cu pipeline-urile existente. Pentru producătorii video, exportul video oferă capacități de pre-vizualizare indisponibile în altă parte.

💡

Lectură conexă: Ghidul nostru pentru consistența personajelor în video AI acoperă tehnici pentru menținerea coerenței în conținutul generat, o provocare pe care Marble o abordează prin reprezentarea 3D persistentă.

Tranziția de la generarea 2D la crearea de lumi 3D reprezintă o schimbare fundamentală în ceea ce poate produce AI-ul. Marble face această schimbare accesibilă.