Odyssey-3 生成式世界模型开放免费公开研究预览

Odyssey 正在公开其世界模型 Odyssey-3。该公司称，它可以实时生成可交互的世界，并在物理基准测试中取得最高分。

总部位于加利福尼亚的 AI 公司 Odyssey 发布了其世界模型 Odyssey-3 的公开研究预览版。用户可以通过文本提示生成可交互的环境，并实时探索这些环境。该模型模拟物理过程，并预测环境如何根据特定动作发生变化。开发者可以申请 API 访问权限。

创始人 Oliver Cameron 和 Jeff Hawke 于 9 月 15 日首次展示了该模型，重点面向机器人技术、自动驾驶和电子游戏。此次的新进展在于公开访问、更多技术细节以及基准测试结果。

现在就可以尝试的交互式 AI 世界

免费的在线演示运行于 Odyssey-3 Flash。该模型可以根据文本描述生成可交互的环境。用户可以在第一人称和第三人称视角之间切换，在生成的世界中移动，触发事件，并观看模型的实时响应。

Odyssey-3 基于自回归扩散 Transformer 构建，可根据先前的帧和用户动作持续生成新的视频帧。据 Odyssey 介绍，该模型在训练期间通过视觉观察学习物理关系和因果关系。

训练数据包括带有事件描述的互联网视频、配有相应键盘和鼠标输入的电子游戏画面，以及模拟的物理交互。一种额外的训练技术减少了所需的计算步骤，从而使实时生成成为可能。

根据官方基准测试提交，基础版 Odyssey-3 模型拥有 140 亿个参数，可生成 832 × 480 像素的视频。Odyssey-3 Pro 支持 1280 × 720 像素。

物理基准测试的声明附带注意事项

据该公司介绍，更强大的 Odyssey-3 Pro 在 Physics-IQ Verified 的视频到视频基准测试中得分 66.1 分。该测试评估流体力学、光学、固体力学、磁学和热力学等领域的物理行为。模型需要续写真实世界实验的视频，其输出将与实际结果进行对比。

不过，66.1 分的这一最高分有一个重大注意事项。它来自单次测试运行，其中每种任务都通过一种选择方法从八个生成的视频中挑选出一个。该基准测试的规则要求进行四次测试运行，并报告任何纪录声明的标准差。所报告的纪录并未达到这一标准。如果不使用选择方法，Odyssey-3 Pro 在四次运行中的平均分为 63.37 分。这两个结果都显示在官方排行榜上，但都是由 Odyssey 自己提交的。

在 WorldMark 基准测试上，Odyssey-3 根据自己的评估在四个类别中的三个类别中排名第一：第一人称风格化（77.2）、第三人称写实（79.0）和第三人称风格化（76.3）。在第一人称写实类别中，它以 80.6 分排名第三。WorldMark 测试模型对控制指令的遵循程度、生成图像的观感质量，以及模拟世界是否随时间保持一致性。

一个模型，适用于机器人、无人机和 GTA V

Odyssey 希望在从移动机械臂、操控无人机到控制游戏角色等不同任务中使用同一个世界模型。对于每种应用，该模型都会与一个专用控制器配对，由后者将其预测转换为具体指令。

该公司表示，在测试中，一个基于 Odyssey-3 构建的 AI 控制了多个机械臂。几十小时的演示数据就足以完成训练。这些机器人还能从抓取失败中自行恢复，尽管这些情况并不在训练数据中。

在人形机器人方面，Odyssey 正与瑞士机器人公司 Flexion 合作。据称，Flexion 基于 Odyssey-3 构建的控制器表现比对照模型更可靠，即使在条件发生变化时也是如此。

Odyssey 还构建了一个基于模拟飞行数据训练的无人机控制器。该公司表示，在虚拟室内环境中，该无人机可以躲避障碍物并按指令飞向特定目标。

Odyssey-3 还能玩电子游戏。该公司展示了一个自主游玩 GTA V 的 AI，包括驾驶车辆和与敌人战斗。一个基于约两小时 GTA 画面训练的控制器还能在无需任何额外训练的情况下，将技能迁移到 Red Dead Redemption 2 中，控制骑马的角色。

Odyssey 还计划将其世界模型用于训练 AI 智能体。在一个演示中，一个 AI 智能体接收了自然语言任务，并试图在 Odyssey-3 生成的环境中通过自身行动来完成它。其目标是让智能体从自身行动的结果中学习，这有可能成为 AI 的一种全新训练范式。

目前的公开研究预览版提供交互式环境生成功能，机器人和自主系统方面仍需进一步开发。

构建世界模型的竞赛

Odyssey 由 Oliver Cameron 和 Jeff Hawke 于 2023 年创立。2026 年 6 月，该公司从包括 Amazon 和 AMD Ventures 在内的投资者处融资 3.1 亿美元。

世界模型旨在让 AI 系统理解空间和物理关系。Google DeepMind 正在通过用于生成交互式世界的 Genie 3 采取类似的方法。由 Fei-Fei Li 创立的初创公司 World Labs 也在开发类似技术。AMD 于 9 月底宣布，计划以约 82 亿美元收购 World Labs。

不带炒作的 AI 新闻 – 由人工精选

订阅 THE DECODER，享受无广告阅读、每周 AI 时事通讯、每年六期的独家「AI Radar」前沿报告、完整档案访问权限以及评论区的访问权限。