월드 랩스, 공간 지능 세계 모델 'Atlas' 공개

기존 생성형 AI로 비디오를 만들 때는 원하는 구도를 얻기 위해 프롬프트 복권을 긁듯 수차례 재시도를 반복해야 했습니다. 카메라를 조금만 돌려도 배경 구조가 뒤틀리거나 사물이 사라지기 일쑤였습니다.

AI 석학 페이페이 리 교수가 설립한 스타트업 월드 랩스가 이 문제를 근본부터 풀기 위해 나섰습니다. 월드 랩스는 2026년 9월 1일, 공간 지능 구현을 위한 차세대 옴니 세계 모델 'Atlas'를 전격 공개했습니다.

Atlas는 텍스트와 이미지, 비디오, 3D 데이터를 처음부터 함께 사전 학습한 모델입니다. 모든 입력을 단일한 '공간 맥락(spatial context)' 안에서 처리해 3차원 공간의 기하학적 구조를 스스로 이해하도록 만들었습니다.

픽셀 단위 카메라 제어로 1440p 1분 영상 생성

Atlas의 가장 큰 무기는 정밀한 카메라 제어입니다. '왼쪽으로 이동' 같은 모호한 텍스트 명령 대신, 카메라의 정확한 3차원 위치와 각도 좌표를 직접 입력받아 렌더링합니다.

창작자가 공간 속 카메라 경로를 직접 설계하면, Atlas는 그 궤적을 완벽하게 따라가며 최대 1분 길이의 1440p 고해상도 영상을 일관성 있게 생성합니다.

공개된 시연에서는 로봇 사진 한 장만으로도 보이지 않는 로봇의 뒷모습을 상상해 그려내고, 수영장 옆에 잔디밭이 이어질 것이라 논리적으로 유추했습니다. 서로 전혀 다른 사진 두 장을 3D 좌표축에 배치하면, 두 공간을 자연스럽게 잇는 복도나 문을 알아서 상상해 하나의 연결된 세계를 만듭니다.

스마트폰 사진 몇 장으로 3D 가우시안 스플래팅 구현

Atlas는 단순한 영상 생성기를 넘어 강력한 3D 재구성 도구로 작동합니다. 수백 장의 사진이나 고가의 라이다 장비 없이, 단 두세 장의 평범한 사진만으로 현실 공간을 재구성합니다.

스탠퍼드 대학교 메인 쿼드 지상 사진 몇 장을 입력받아 상공을 날아다니는 시점의 영상을 매끄럽게 합성해 냈으며, 2D 결과물뿐 아니라 포인트 클라우드 및 3D 가우시안 스플래팅(3D Gaussian Splats) 형태의 명시적 3D 데이터로도 내보낼 수 있습니다. 이렇게 추출된 장면은 기기 내에서 고해상도·고프레임으로 실시간 렌더링됩니다.

스마트폰 서너 대를 삼각대에 거치해 촬영한 일상 영상으로 영화 '매트릭스' 같은 불릿 타임 효과를 구현하기도 했습니다. 로보틱스 분야에서는 스마트폰으로 촬영한 24프레임짜리 실내 영상으로 대형 공간을 구축한 뒤, 로봇 센서가 인식할 RGB 및 깊이 데이터를 시뮬레이션해 합성 훈련 데이터를 저비용으로 확보할 수 있음을 입증했습니다.

기술적으로는 멀티모달 자기회귀 확산 트랜스포머(Multimodal Autoregressive Diffusion Transformer) 구조를 채택해 모델 규모와 학습 연산량 확장에 맞춰 성능이 지속해서 향상됩니다. 현재 얼리 액세스 신청을 받고 있으며, 향후 월드 랩스의 핵심 제품인 'Marble' 등에 순차적으로 탑재될 예정입니다.

왜 중요한가

업계 전반이 비디오 화질 경쟁에 매몰되어 있을 때, 월드 랩스는 '물리적 공간의 일관성'이라는 본질적인 허들을 정조준했습니다.

영상 제작자와 디자이너에게 픽셀 단위의 카메라 제어권은 생성형 AI가 단순한 장난감을 넘어 실제 프로덕션 파이프라인의 도구가 될 수 있음을 의미합니다. 무작위 결과에 기대지 않고 감독이 원하는 동선을 그대로 통제할 수 있기 때문입니다.

로보틱스와 디지털 트윈 산업에도 큰 파장을 미칠 것으로 보입니다. 고가의 특수 장비 없이 스마트폰으로 찍은 몇 컷의 사진만으로 즉시 조작 가능한 3D 가우시안 스플랫 환경을 구축할 수 있어 Real-to-Sim 시뮬레이션 비용이 파격적으로 낮아집니다.

3D 공간 좌표와 비디오 생성을 단일 모델 안에서 유기적으로 엮어낸 전략은 대단히 영리해 보입니다. 다만 입력 정보가 희소할 때는 여전히 모델의 그럴듯한 상상력에 의존하는 만큼, 오차 없는 정밀 측량이 필요한 제조·토목 현장에서는 한계가 있을 수밖에 없습니다. 그럼에도 공간 지능이 나아가야 할 방향성을 가장 뚜렷하게 보여준 결과물이라는 점은 분명합니다.