Стартап Odyssey, вышедший из сферы беспилотной техники, объявил о выпуске третьего поколения своей «модели мира» — Odyssey-3 и Odyssey-3 Pro. По словам компании, новая система формирует интерактивное трёхмерное окружение на основе текстового описания и способна прогнозировать движение и взаимодействие объектов в этом мире в реальном времени. Базовая версия обеспечивает разрешение 832×480 пикселей, версия Pro — 1280×720. По заявлению разработчиков, отклик системы достигается почти мгновенно: на каждый фрагмент требуется лишь несколько шагов генерации, а обработка идёт по кадрам с опорой на прошлые наблюдения и ввод пользователя.

В основе Odyssey-3 лежит авторегрессионный диффузионный трансформер, обученный на обширном массиве визуальных данных: онлайн-видео с аннотациями событий, записи процессов с времёнками клавиатуры и мыши, а также симуляции физического взаимодействия твёрдых тел. Модель продолжает прогноз по кадрам, опираясь на предыдущее наблюдение, и сразу интегрирует команды пользователя, что обеспечивает работу в режиме реального времени.

Пользователь может свободно перемещаться по созданному миру как от первого, так и от третьего лица, отдельно управлять камерой и инициировать события, на которые сцена реагирует. Эта гибкость позволяет проводить интерактивное тестирование сценариев и изучение реакций системы в динамическом окружении.

Odyssey позиционирует Odyssey-3 прежде всего как инструмент для обучения робототехнике и других физических систем: поверх самой модели развиваются отдельные декодеры действий и политики управления. Примеры включают робот-манипулятор, который после всего лишь десятков часов демонстраций способен выполнять задачи захвата с восстановлением после ошибок. Также упоминается ситуация, когда гуманоидная политика на базе Odyssey-3 сохраняла работоспособность при смене освещения, в то время как стандартные VLA-модели выходили из строя. По данным разработчика, модель адаптировали для автономного вождения на дорогах Индии, используя около 20 часов данных.

В рамках бенчмаркинга Physics-IQ Verified Odyssey-3 Pro набрала 66,1 балла — лучший опубликованный результат на данный момент в тесте, оценивающем физическую достоверность продолжения видео. В WorldMark модель заняла первое место в трёх из четырёх категорий, уступив только в генерации реалистичных сцен от первого лица моделям Lyra 2.0 и AlayaWorld.

Известно, что исследовательский превью проекта доступен на сайте компании, а доступ к API запрашивается через портал разработчиков; коммерческая стоимость проекта не раскрывается.