Оглавление

Калифорнийский стартап Odyssey представил публичную версию своей модели мира Odyssey-3, которая позволяет создавать управляемые трехмерные пространства с помощью текстовых описаний. Как сообщает издание The Decoder, система не просто генерирует видеоряд, а выстраивает интерактивную среду, где пользователь может менять ракурсы и взаимодействовать с объектами, подчиняющимися законам физики.

Разработчики позиционируют проект как фундаментальную основу для управления робототехникой, беспилотниками и персонажами в видеоиграх. В отличие от традиционных генераторов видео, Odyssey-3 функционирует как autoregressive diffusion transformer, который предсказывает последующие кадры на основе действий пользователя, обеспечивая мгновенную реакцию симуляции на внешние раздражители.

Технические особенности и доступные демо-версии

Для ознакомления с технологией компания запустила бесплатное веб-демо Odyssey-3 Flash. Этот облегченный вариант модели позволяет протестировать базовые возможности движка: пользователь вводит промпт, описывающий окружение, и получает локацию, по которой можно перемещаться с видом от первого или третьего лица. Система обучалась на огромном массиве данных, включающем интернет-видео с описаниями событий и геймплейные записи, синхронизированные с командами ввода клавиатуры и мыши.

Базовая архитектура Odyssey-3 включает 14 миллиардов параметров. В то время как версия Flash ориентирована на скорость и работу в браузере, флагманская модификация Odyssey-3 Pro способна генерировать поток в разрешении 1280 × 720 пикселей. Особое внимание уделено оптимизации вычислительных шагов, что позволило добиться работы модели в режиме реального времени без критических задержек, характерных для тяжелых диффузионных систем.

Бенчмарки и вопросы к методологии

Вопрос точности физического моделирования остается одним из самых дискуссионных в индустрии. Согласно заявлениям Odyssey, их модель Pro набрала 66,1 балла в тесте Physics-IQ Verified, оценивающем корректность отображения жидкостей, оптики и термодинамики. Однако стоит заметить, что этот результат был достигнут путем выбора лучшего из восьми сгенерированных видео, что несколько расходится со стандартным протоколом тестирования.

На альтернативном бенчмарке WorldMark система также заняла лидирующие позиции в категориях стилизованных миров и видов от третьего лица. Эти тесты проверяют не только эстетику кадра, но и консистентность — способность модели сохранять структуру мира при длительном взаимодействии, чтобы горы за спиной пользователя не превращались в леса при повороте камеры.

Способность Odyssey-3 предсказывать физику без жестко заданных алгоритмов впечатляет, но выборка «лучшего из восьми» в тестах выдает типичную болезнь генеративных моделей — нестабильность. Пока это выглядит как великолепный симулятор для обучения нейросетевых агентов в безопасном «пузыре», но до управления реальным манипулятором на сложном производстве технологии не хватает предсказуемости. Odyssey создали отличную песочницу, однако в настоящем мире права на восемь попыток у робота обычно нет.

От видеоигр до автономных систем

Практическое применение Odyssey-3 выходит далеко за рамки развлечений. Компания уже продемонстрировала, как модель помогает обучать роботизированные руки выполнять сложные захваты. Интересно, что роботы смогли самостоятельно корректировать свои действия при неудачах, хотя подобные сценарии не были явно прописаны в тренировочном сете — это указывает на зачатки понимания причинно-следственных связей внутри модели.

В игровом секторе возможности системы были протестированы на базе GTA V. Контроллер, обученный всего на двух часах геймплея, смог управлять автомобилем и вести бой. Более того, навыки управления персонажем успешно перенеслись на игру Red Dead Redemption 2, где ИИ смог управлять лошадью без дополнительного дообучения. Это подтверждает гипотезу о том, что качественные модели мира способны извлекать универсальные принципы движения и навигации.

Основанная в 2023 году Оливером Кэмероном и Джеффом Хоуком, компания Odyssey уже привлекла 310 миллионов долларов инвестиций. В гонке за создание совершенных цифровых двойников реальности они конкурируют с такими гигантами, как Google DeepMind и World Labs. Учитывая недавние новости о поглощении World Labs корпорацией AMD за 8,2 миллиарда долларов, сектор генеративных моделей мира становится ключевым полем битвы за будущее автономного интеллекта.