World Labs তাদের Atlas উন্মোচন করেছে, যা একটি ওমনি-মডেল (omni-model) এবং এটি মাত্র কয়েকটি সাধারণ ছবিকে একটি সম্পূর্ণ নেভিগেটেবল ৩-ডি (3-D) বিশ্বে রূপান্তরিত করতে পারে এবং এক মিনিট পর্যন্ত ১৪৪০পি (1440p) ভিডিও রেন্ডার করতে পারে। কোম্পানিটি বলছে যে এই প্রযুক্তি একটি “real-to-sim” পাইপলাইন তৈরি করে।

কেন ফ্ল্যাট সিকোয়েন্স থেকে এই পরিবর্তনটি গুরুত্বপূর্ণ

বর্তমানের বেশিরভাগ মাল্টিমোডাল এআই (AI) সিস্টেম ইনপুটগুলোকে এক বা দ্বিমাত্রিক স্ট্রিম হিসেবে বিবেচনা করে—যেমন টেক্সট স্ট্রিং, ইমেজ গ্রিড বা ভিডিও ফ্রেম। এই নকশাটি মডেলটিকে এমন ডেটা থেকে স্থানিক সম্পর্ক (spatial relationships) অনুমান করতে বাধ্য করে যেখানে সুনির্দিষ্ট জ্যামিতি নেই, যা জেনারেটেড ভিডিও এবং ৩-ডি পুনর্গঠনের (reconstructions) নির্ভুলতাকে সীমিত করে দেয়। Atlas এই পদ্ধতিটি বর্জন করেছে। মডেলটি যে প্রতিটি টোকেন প্রসেস করে তা ত্রিমাত্রিক স্থানের একটি নির্দিষ্ট বিন্দুর সাথে যুক্ত, যে কৌশলটিকে কোম্পানিটি "spatial anchoring" বলে অভিহিত করেছে। টেক্সট, ইমেজ, ভিডিও এবং ৩-ডি ডেটার ওপর ভিত্তি করে একটি ৩-ডি—এমনকি ৪-ডি (সময়)—কাঠামো সম্পর্কে সচেতন আর্কিটেকচারের মাধ্যমে শুরু থেকে প্রশিক্ষণ নেওয়ার ফলে Atlas সরাসরি জ্যামিতি বুঝতে এবং নিয়ন্ত্রণ করতে পারে।

"স্লট-মেশিন" ভিডিও থেকে ক্যামেরা-নিয়ন্ত্রিত জেনারেশনে

বর্তমান জেনারেটিভ ভিডিও টুলগুলো একটি ভার্চুয়াল ক্যামেরা মুভ করার জন্য অস্পষ্ট টেক্সট প্রম্পটের ওপর নির্ভর করে, যা প্রায়শই অপ্রত্যাশিত ফলাফল তৈরি করে। Atlas প্রম্পটের পরিবর্তে একটি জ্যামিতিক ইনপুট ব্যবহার করে: ব্যবহারকারী একটি ক্যামেরা পোজ (pose) বা পথ নির্দিষ্ট করে দেন এবং মডেলটি সেই সঠিক ভিউপয়েন্ট থেকে দৃশ্যটি রেন্ডার করে। ডেমোতে দেখা গেছে, সিস্টেমটি মসৃণ, উচ্চ-রেজোলিউশনের ভিডিও তৈরি করেছে যা ক্যামেরা মুভমেন্টের মধ্যেও সামঞ্জস্য বজায় রাখে—যা পেশাদার মানের নিয়ন্ত্রণের দিকে একটি বড় পদক্ষেপ।

ন্যূনতম ইমেজের মাধ্যমে বিশ্ব পুনর্গঠন

Atlas কোনো বিশেষ ক্যাপচার হার্ডওয়্যার ছাড়াই মাত্র একটি ছবি থেকে শুরু করে কয়েক ডজন ছবির মাধ্যমে জটিল পরিবেশ পুনর্গঠন করতে পারে। একটি পাবলিক ডেমোতে, মডেলটি একটি বিশ্ববিদ্যালয়ের চত্বরের (quad) কিছু গ্রাউন্ড-লেভেল ছবি নিয়ে এমনভাবে আকাশ থেকে দেখার মতো (aerial perspectives) দৃশ্য তৈরি করেছে যা প্রত্যাশিত লেআউটের সাথে মিলে যায়। VGGT এবং InfiniteVGGT-এর মতো প্রতিযোগী মডেলগুলো ক্যামেরা মুভ করার সময় প্রায়শই ঝাপসা টেক্সচার বা জ্যামিতিক ত্রুটি (glitches) তৈরি করে; কিন্তু Atlas পুরো প্রক্রিয়া জুড়ে কাঠামোগত অখণ্ডতা (structural integrity) বজায় রেখেছে।

ভিডিওর বাইরেও, এই মডেলটি নেটিভ ৩-ডি ফরম্যাট—পয়েন্ট ক্লাউড (point clouds) এবং ৩-ডি গাউসিয়ান স্প্ল্যাট (3-D Gaussian splats) আউটপুট হিসেবে প্রদান করে। পয়েন্ট ক্লাউড হলো মহাকাশে বা স্থানে থাকা বিন্দুর সমষ্টি যা পৃষ্ঠের আকৃতি প্রকাশ করে; গাউসিয়ান স্প্ল্যাট প্রতিটি বিন্দুকে একটি ছোট, মসৃণভাবে পরিবর্তিত ব্লব (blob) হিসেবে সংরক্ষণ করে, যা সূক্ষ্ম ডিটেইলস দক্ষতার সাথে রেন্ডার করতে সাহায্য করে। RGB রঙের পাশাপাশি ডেপথ (depth) প্রদান করার মাধ্যমে, Atlas স্মার্টফোনের কয়েকটি শটকে একটি ডিজিটাল টুইনে (digital twin) রূপান্তরিত করে যা যেকোনো কোণ থেকে অন্বেষণ করা সম্ভব।

রোবটের জন্য Real-to-sim

রোবোটিক্স ডেভেলপাররা দীর্ঘকাল ধরে বাস্তব জগতের ডেটা এবং সিমুলেটেড ট্রেনিং এনভায়রনমেন্টের মধ্যে ব্যবধান নিয়ে লড়াই করছেন। Atlas একটি পুনর্গঠিত ঘরে একটি রোবট ঠিক যে ধরনের সেন্সর ফিড দেখবে, তা তৈরি করার মাধ্যমে সেই ব্যবধান ঘুচিয়ে দেওয়ার প্রতিশ্রুতি দেয়। ডেভেলপাররা তখন ডিজিটাল টুইনে থাকা বস্তু, আলো বা ব্যাকগ্রাউন্ড পরিবর্তন করতে পারেন, যা একটি মাত্র বাস্তব জগতের ক্যাপচার থেকে হাজার হাজার ভিন্ন ভিন্ন পরিস্থিতি তৈরি করতে পারে। World Labs সিন সিন্থেসিস (scene synthesis) নিয়ে কাজ করা একটি স্টার্টআপ থেকে প্রাপ্ত প্রযুক্তি ব্যবহার করে এই ওয়ার্কফ্লো প্রদর্শন করেছে; এই পাইপলাইনটি এমন পর্যাপ্ত বৈচিত্র্য তৈরি করতে সক্ষম হয়েছে যা পাঁচটি ভিন্ন রোবট প্ল্যাটফর্মকে মানুষের হস্তক্ষেপ ছাড়াই এক ঘণ্টা ধরে স্বয়ংক্রিয়ভাবে চলতে সাহায্য করেছে।

বেঞ্চমার্ক এবং পারফরম্যান্সের দাবি

সরাসরি প্রতিযোগিতামূলক পরীক্ষায়, জোড়ায় জোড়ায় তুলনার ক্ষেত্রে ৯৪% ক্ষেত্রে মানুষ একটি শীর্ষস্থানীয় প্রতিযোগীর চেয়ে Atlas-এর ক্যামেরা-গাইডেড ভিডিও পছন্দ করেছে এবং ৮১% ক্ষেত্রে অন্য একটি প্রধান মডেলের চেয়েও এটি এগিয়ে ছিল। পুনর্গঠনের ক্ষেত্রে, Atlas ২৫.৩ এর একটি মিডিয়ান এরর (median error) অর্জন করেছে, যা উচ্চতর এরর স্কোর রিপোর্ট করা প্রতিদ্বন্দ্বীদের ছাড়িয়ে গেছে। মডেলটি লার্জ ল্যাঙ্গুয়েজ মডেলের গতির সুবিধা—মধ্যবর্তী গণনাগুলো পুনরায় ব্যবহারের জন্য কী-ভ্যালু (KV) ক্যাশিং ব্যবহার করে—এবং ডিফিউশন মডেলের উচ্চ-মানের আউটপুটের সমন্বয় ঘটায়, যা ধাপে ধাপে ছবিগুলোকে আরও নিখুঁত করে তোলে।

সম্ভাব্য অসুবিধা এবং অমীমাংসিত প্রশ্নাবলী

World Labs-এর ঘোষণাগুলো চিত্তাকর্ষক ডেমো দ্বারা সমর্থিত হলেও, এই প্রযুক্তিটি এখনও প্রাথমিক পর্যায়ে রয়েছে। উচ্চ রেজোলিউশনে টেক্সট, ইমেজ, ভিডিও এবং ৩-ডি ডেটা হ্যান্ডেল করার মতো একটি মডেল প্রশিক্ষণ দেওয়া এবং চালানোয়ের জন্য প্রচুর কম্পিউট (compute) প্রয়োজন, এবং কোম্পানিটি হার্ডওয়্যার স্পেসিফিকেশন বা ইনফারেন্স (inference) খরচ প্রকাশ করেনি। এই বেঞ্চমার্কগুলো মানুষের পছন্দ এবং মিডিয়ান এরর মেট্রিকের ওপর নির্ভরশীল; এগুলো এখনও দেখায় না যে শুধুমাত্র বাস্তব ডেটার তুলনায় রোবট ম্যানিপুলেশন সাফল্যের হারের মতো ডাউনস্ট্রিম টাস্কগুলোতে Atlas কেমন পারফর্ম করে। সমালোচকরা আরও উল্লেখ করতে পারেন যে, যদিও মডেলটি অল্প কিছু ছবি থেকে বিশ্বাসযোগ্য জ্যামিতি তৈরি করতে পারে, তবে সঠিক পরিমাপের প্রয়োজন হলে এটি লিডার (lidar) স্ক্যান বা স্ট্রাকচার্ড-লাইট ক্যাপচারের নির্ভুলতাকে প্রতিস্থাপন করতে পারবে না।

পরবর্তীতে যা লক্ষ্য রাখা উচিত

  • রোবোটিক্স প্ল্যাটফর্ম দ্বারা গ্রহণ – যদি রোবট দলগুলো তাদের ট্রেনিং লুপে Atlas-দ্বারা তৈরি করা জগতগুলোকে অন্তর্ভুক্ত করে এবং পরিমাপযোগ্য উন্নতি রিপোর্ট করে, তবে সস্তা এবং আরও বৈচিত্র্যময় সিমুলেশনের দাবিটি গ্রহণযোগ্যতা পাবে।
  • কন্টেন্ট-ক্রিয়েশন পাইপলাইন – দ্রুত প্রোটোটাইপিংয়ের জন্য Atlas নিয়ে পরীক্ষা-নিরীক্ষা করা স্টুডিও এবং গেম ডেভেলপাররা এটি প্রকাশ করতে পারেন যে মডেলটির নেটিভ 3-D আউটপুট বিদ্যমান অ্যাসেট পাইপলাইনের সাথে সামঞ্জস্যপূর্ণ কি না।
  • ওপেন-সোর্স বা তৃতীয় পক্ষের মূল্যায়ন – স্বতন্ত্র গবেষকরা যদি বেঞ্চমার্ক সংখ্যাগুলো পুনরায় তৈরি করতে পারেন, তবে তা বর্তমান মানদণ্ডের তুলনায় মডেলটির শ্রেষ্ঠত্ব নিশ্চিত করতে সাহায্য করবে।
  • হার্ডওয়্যার এবং খরচের তথ্য প্রকাশ – ইনফারেন্সের জন্য কম্পিউট বাজেট বোঝা তা নির্ধারণ করবে যে Atlas এজ ডিভাইসে চলতে পারবে নাকি এটি শুধুমাত্র ক্লাউড-ভিত্তিক পরিষেবা হিসেবেই থাকবে।

মূল কথা

Atlas দেখায় যে ফিজিক্যাল স্পেসে AI টোকেনগুলোকে যুক্ত করা একটি একক মডেলকে ন্যূনতম ভিজ্যুয়াল ইনপুট থেকে সম্পূর্ণ পরিবেশ তৈরি, পুনর্গঠন এবং সিমুলেট করতে সক্ষম করে। যদি প্রতিশ্রুতি অনুযায়ী পারফরম্যান্স অত্যধিক কম্পিউট খরচ ছাড়াই বাস্তব জগতের প্রয়োগে স্কেল করতে পারে, তবে এই মডেলটি রোবটরা কীভাবে শেখে এবং কীভাবে ইমারসিভ কন্টেন্ট তৈরি করা হয় তার ধরন বদলে দিতে পারে, যা মাত্র কয়েকটি ছবিকে একটি সম্পূর্ণ ইন্টারেক্টিভ ডিজিটাল জগতে রূপান্তরিত করবে।