在 CoRL2026 机器人学习顶会上,李飞飞带来主题演讲《Atlas:一个用于生成与重建的统一世界模型》,演讲里提到团队已经从之前被业内称作 “橱柜模型” 的旧版本,迭代到 Atlas 统一世界模型,同时回答了机器人到底需要什么样的 AI 这个核心问题。所谓橱柜模型,是业内对早期版本的调侃,意思是模型生成场景的范围受限、几何一致性弱,只能在封闭小空间里生效,没法适配开放真实世界;而 Atlas 把三维重建、场景生成放到同一个框架,用来解决机器人三大基础难题:理解表征环境、预判动作带来的结果、用仿真补足真实世界稀缺数据。Atlas 采用多模态自回归扩散 Transformer 架构,支持文本、图像、深度信号等多种输入,能完成稠密重建、稀疏重建、纯文本生成场景,蒸馏之后可以做到 15 帧每秒的运行速度,现在团队正在测试它在机器人导航、仿真训练上的落地,让机器人在虚拟环境练完直接迁移到真实场景。后续研究方向会继续打通渲染、规划、仿真三大能力,同时和 AMD 在算力、硬件层面配合,解决机器人具身智能的算力瓶颈。
橱柜模型与 Atlas 世界模型对比
| 项目 | 橱柜模型(Closet Model) | Atlas 统一世界模型 |
|---|---|---|
| 场景能力 | 场景范围封闭,几何一致性差,局限在小空间 | 开放场景,统一重建 + 生成,新视角空间一致性强 |
| 核心任务 | 简单画面生成 | 稠密三维重建、稀疏重建、文本驱动场景生成 |
| 输入形式 | 输入类型有限 | 文本、图像、视频、深度、3D 结构多模态输入 |
| 适用定位 | 早期探索版本,被业内调侃 | 面向机器人仿真、导航训练的基础世界模型 |
机器人 AI 三大核心能力
- 渲染能力:理解、表征周围三维环境,看懂空间结构
- 规划能力:预测机器人动作会带来什么结果,判断下一步动作
- 仿真能力:生成大量虚拟环境,弥补真实世界采集数据不足的痛点
Atlas 三种工作模式
- 稠密重建:输入多张图像,还原高精度三维场景
- 稀疏重建:少量图片作为输入,补全场景、生成新视角
- 纯生成模式:只靠文本提示词,生成具备空间一致性的全新 3D 场景
技术跟进步骤
- 理解概念区分:分清橱柜模型是早期受限版本,Atlas 是新一代统一世界模型
- 看懂技术框架:Atlas 核心是相机位姿约束下的视角预测,保证空间不崩坏
- 关注落地场景:重点看机器人仿真训练、导航任务,虚拟训练迁移真机
- 跟踪后续进展:World Labs 和 AMD 收购完成后,会持续推进硬件和模型协同优化
【常见问题】
问题 1:李飞飞 CoRL2026 演讲里提到的橱柜模型是什么意思?
回答 1:李飞飞 CoRL2026 演讲里的橱柜模型是业内对团队早期模型的调侃,早期模型生成场景范围小、几何一致性不足,只能在封闭小空间使用,和 Atlas 世界模型形成对比。
问题 2:李飞飞 CoRL2026 演讲的 Atlas 世界模型,能解决机器人哪些 AI 问题?
回答 2:李飞飞 CoRL2026 演讲的 Atlas 世界模型,用来解决机器人理解环境、预判动作后果、仿真生成环境补充数据三大问题,对应渲染、规划、仿真能力。
问题 3:李飞飞 CoRL2026 演讲里,Atlas 世界模型支持哪几种运行模式?
回答 3:李飞飞 CoRL2026 演讲介绍 Atlas 世界模型支持稠密重建、稀疏重建、纯文本生成三种模式,在同一个模型框架内完成重建和场景生成。
问题 4:李飞飞 CoRL2026 演讲认为,机器人需要什么样的 AI?
回答 4:李飞飞 CoRL2026 演讲认为机器人需要具备空间感知、动作预测、环境仿真能力的世界模型 AI,不只是语言模型,要能理解真实物理三维空间。
【参考资料】
[2026-11-16](李飞飞最新 CoRL2026 演讲实录:从「橱柜模型」到世界模型,机器人需要什么样的 AI ?)新浪科技
[2026-11-12](547 亿元收购后首次同台,李飞飞对话苏姿丰,详解统一世界模型 Atlas)36 氪
[2026-11-13](李飞飞在 CoRL2026 大会介绍 Atlas 世界模型)腾讯新闻
【免责声明】
本文内容仅为 AI 与机器人学术资讯,李飞飞 CoRL2026 演讲观点、Atlas 模型性能、落地进度以现场演讲实录、World Labs 官方论文为准;资讯不构成投资、技术采购建议;世界模型仍处于早期科研阶段,实际落地效果存在不确定性。
