Odyssey 开放世界模型 Odyssey-3 的公开研究预览并可免费试用

Odyssey 正在公开其世界模型 Odyssey-3。据该公司称，它能实时生成可交互世界，并在物理基准测试中取得最高分。

总部位于加利福尼亚的人工智能公司 Odyssey 已推出其世界模型 Odyssey-3 的公开研究预览版。用户可根据文本提示生成可交互环境，并实时进行探索。该模型会模拟物理过程，并根据特定动作预测环境如何变化。开发者可以申请 API 访问权限。

创始人 Oliver Cameron 与 Jeff Hawke 于 9 月 15 日首次公布该模型，重点面向机器人、自动驾驶和电子游戏。现在的新内容是公开访问、更多技术细节以及基准测试结果。

你现在就能试用的交互式 AI 世界

免费在线演示运行在 Odyssey-3 Flash 上。该模型可根据文本描述生成可交互环境。用户可选择第一人称或第三人称视角，在生成的世界中移动、触发事件，并实时观看模型的响应。

Odyssey-3 基于自回归扩散 Transformer 构建，会根据先前的帧和用户动作持续生成新的视频帧。据 Odyssey 称，该模型在训练期间从视觉观察中学习物理关系与因果关系。

训练数据包括带事件描述的互联网视频、与相应键盘和鼠标输入配对的电子游戏画面，以及模拟的物理交互。一种额外的训练技术减少了所需计算步骤的数量，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，并以 832 × 480 像素生成视频。Odyssey-3 Pro 支持 1280 × 720 像素。

物理基准测试的成绩声明附带保留条件

据该公司称，更强大的 Odyssey-3 Pro 在来自 Physics-IQ Verified 的视频到视频基准测试中获得 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。模型必须续接真实世界实验的视频，其输出会与实际结果进行对比。

不过，66.1 分这一最高成绩附带一个很大的保留条件。它来自单次测试运行，其中一种筛选方法会为每项任务从八段生成视频中选出一段。基准测试规则要求，任何纪录声明都必须进行四次测试运行并报告标准差。所报告的纪录并未达到该标准。若不使用该筛选方法，Odyssey-3 Pro 在四次运行中的平均分为 63.37。两项结果均出现在官方排行榜上，但都是由 Odyssey 自行提交的。

在 WorldMark 基准测试上，基于其自身评估，Odyssey-3 在四个类别中的三个位列第一：第一人称风格化（77.2）、第三人称真实（79.0）和第三人称风格化（76.3）。在第一人称真实中，它以 80.6 分位列第三。WorldMark 测试模型对控制指令的遵循程度、生成图像的观感，以及模拟世界是否随时间保持一致。

一个面向机器人、无人机和 GTA V 的模型

Odyssey 希望在不同任务中使用同一个世界模型，从操控机械臂、导航无人机到控制游戏角色。针对每一种应用，该模型都会搭配一个专门的控制器，将其预测转化为具体指令。

据该公司称，在测试中，基于 Odyssey-3 构建的 AI 控制了多条机械臂。几十个小时的演示数据就足以用于训练。机器人还能自行从抓取失败中恢复，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 构建的控制器比对照模型表现更可靠，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。据该公司称，在虚拟室内环境中，无人机能够躲避障碍物，并按指令飞向特定目标。

Odyssey-3 也能玩电子游戏。该公司展示了一款 AI 自主游玩 GTA V、驾驶载具并与敌人战斗。一个用大约两小时 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，操控角色骑马移动。

Odyssey 还计划用其世界模型来训练 AI 智能体。在一次演示中，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完成该任务。目标是让智能体从自身行动的结果中学习，这可能是一种全新的 AI 训练范式。

目前，公开研究预览版提供交互式环境生成，机器人与自主系统仍需进一步的工作。

打造世界模型的竞赛

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 筹集了 $310 million。

世界模型旨在让 AI 系统理解空间与物理关系。Google DeepMind 正通过 Genie 3 采取类似方法来生成交互式世界。World Labs 是由 Fei-Fei Li 创立的初创公司，正在开发类似技术。AMD 于 9 月下旬宣布，计划以约 $8.2 billion 收购 World Labs。

没有炒作的 AI 新闻 – 由人工策展

订阅 THE DECODER，即可享受无广告阅读、每周 AI 通讯、每年六期独家 "AI Radar" 前沿报告、完整存档访问权限，以及评论区访问权限。