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 ?
时隔两年,World Labs 的工作已经完全不同了。 作者丨齐铖湧 编辑丨岑 峰 2026年11月,CoRL(机器人学习顶会)在奥斯汀开幕。这一届的演讲嘉宾,有一个无法回避的名字,李飞飞。斯坦福教授、ImageNet发起者、World Labs创始人。就在本届CoRL之前,World Labs被AMD收购的消息正在圈…
作者丨齐铖湧
编辑丨岑 峰
这一届的演讲嘉宾,有一个无法回避的名字,李飞飞。斯坦福教授、ImageNet发起者、World Labs创始人。就在本届CoRL之前,World Labs被AMD收购的消息正在圈内发酵,她即将出任AMD首席科学家。这届CoRL现场,她不仅全面介绍了World Labs最近的工作和她的行业观点,还邀请AMD苏妈参与了对话圆桌,某种意义上,这是她的"AMD首秀"。
为她做开场介绍的,是她的学生、本届CoRL组织者之一Yuke(朱玉可)。他讲了一个细节:毕业典礼上,李飞飞对他说,“你在我的实验室时是我的学生,但从今往后,你是我的朋友。”
这场演讲的正式主角,是World Labs与斯坦福团队研发的新模型Atlas:一个统一的生成与重建世界模型。
以下是AI科技评论带来的现场实录。
▎《Atlas:A Unified World Model for Generation and Reconstruction》
▎分享者:李飞飞
非常荣幸受邀来到CoRL,尤其是有好几位我的前学生都是组织者。你们干得真棒,我知道,因为我很多论文和工作坊提案都被你们拒了。(全场笑)向CoRL致敬。
今天我想分享我们实验室最近开发的一个模型,叫Atlas:一个统一的生成与重建世界模型。

既然在CoRL,就先从机器人学的动机讲起。
机器人领域最近变化很大,但不管我们用什么方法,机器人要解决的根本问题是:给定世界状态、给定目标、给定机器人,每一个时刻下一步该做什么?

大体上,机器人需要解决几个问题:第一,理解和表示世界的状态,用隐式还是显式可以讨论,但"理解"本身很重要;第二,预测有后果的动作,并加以规划。雷峰网

最后,数据永远是难题。机器人是典型的长尾问题,成功部署极其受限,所以我们总希望能通过尽可能多地模拟不同环境来补充真实数据,用于训练和评估。
无论用什么方法,这三个问题在机器人学里都依然重要。而它们恰好对应世界模型要解决的问题:理解环境,对应渲染;预测动作后果,对应规划;模拟世界状态,对应仿真。

渲染、规划与仿真,世界模型的三大维度
我不想教条地说它们完全独立,实际上它们在很多方面可以统一、彼此衔接,这些都是这个领域最前沿、最令人兴奋的方向。
今天我要专门讲的Atlas,主要解决渲染和仿真问题,尤其是模拟世界的几何以及3D/4D动态。
简而言之,Atlas是一个从零训练的自回归基础模型,单一模型,接收多模态输入,文本、图像、视频、深度信号、灰度框(graybox)或3D结构信号。它输出像素帧;不仅生成时空上漂亮的帧,还能合成新视角,从而实现高精度、高保真的3D重建。

Atlas:聚焦于渲染和仿真
先回顾一点历史。
计算机视觉有两个非常重要的问题,研究者们花了几代人的时间去理解。
一是3D重建问题,从经典的"Building Rome in a Day"到最近的NeRF类神经渲染工作,根本问题是:给定不同相机位姿下的图像,构建符合真实世界的3D世界。大多数方法需要大量带位姿的图像;位姿覆盖不足时,重建出的区域就充满不确定性。

经典三维重建的问题所在
另一条线是生成式AI。扩散架构天然适合多视角生成的探索,让我们离"生成+重建"越来越近。已有不少出色工作尝试联合去噪多个视角来保持空间一致性,但总体结果有限:空间一致性难维持,且每次去噪只对应固定目标视角,计算昂贵、无法实时。

经典三维重建很难维持空间一致性
改变视角或实时运行,计算成本太高
原文出处:雷峰网 (本文由聚合程序自动采集,版权归原作者所有)