Odyssey atver Odyssey-3 pasaules modeļa publisku izpētes priekšskatījumu

Kalifornijas mākslīgā intelekta uzņēmums Odyssey ir atvēris publisku izpētes priekšskatījumu savam jaunākajam pamata pasaules modelim Odyssey-3. Lietotāji var no teksta apraksta ģenerēt interaktīvu vidi un reāllaikā to izpētīt pirmās vai trešās personas skatījumā, ieviešot notikumus un vērojot, kā modelis prognozē fizikālas izmaiņas. Oficiālajā paziņojumā, kas datēts ar 8. oktobri, uzņēmums norāda, ka priekšskatījums jau ir pieejams, bet izstrādātājiem, kas vēlas API piekļuvi, jāsazinās ar Odyssey.

Odyssey-3 ir autoregresīvs difūzijas transformators, kas mācās no vizuāliem novērojumiem — interneta video ar notikumu anotācijām, spēļu ierakstiem ar tastatūras un peles ievadi, kā arī simulētām fizikālām mijiedarbībām. Modelis prognozē, kā objekti pārvietojas un situācijas attīstās laikā, un to var pielāgot dažādām fiziskām sistēmām, pievienojot specializētu kontrolieri vai politikas moduli.

Uzņēmums apgalvo, ka Odyssey-3 Pro Physics-IQ Verified video-uz-video etalonā sasniedzis 66,1 punktu — augstāko publicēto rezultātu. The Decoder norāda, ka šis rezultāts iegūts vienā testā ar atlases metodi (labākais no astoņiem), kamēr etalona noteikumi rekordam prasa četrus skrējienus; bez atlases vidējais četru skrējienos bijis aptuveni 63,4 punkti. WorldMark novērtējumā Odyssey ziņo par pirmo vietu trīs no četrām kategorijām savā iekšējā salīdzinājumā.

Praktiskajos demonstrējumos Odyssey-3 kontrolējis robotu rokas pēc desmitiem stundu demonstrāciju datu, sadarbojas ar Šveices robotikas uzņēmumu Flexion humanoīdu politikām un tika pielāgots automašīnas vadībai Indijā ar aptuveni 20 stundu braukšanas datiem, saglabājot Odyssey-3 pamatu iesaldētu. Modelis izmantots arī dronu navigācijai simulācijā un spēļu aģentiem, tostarp GTA V demonstrācijā.

Bezmaksas tiešsaistes demonstrācija darbojas uz Odyssey-3 Flash — destilētā variantā, kas ļauj interaktīvu ģenerēšanu ar mazāku skaitļošanas soli skaitu. Bāzes Odyssey-3, pēc oficiālā etalona iesnieguma, ir aptuveni 14 miljardi parametru un ģenerē video 832×480 izšķirtspējā; Pro variants atbalsta 1280×720.

Odyssey 2023. gadā dibināja Olivjers Kamerons un Džefs Hoks, bijušie autonomo automašīnu inženieri. 2026. gada jūnijā uzņēmums piesaistīja 310 miljonus dolāru, tostarp no Amazon un AMD Ventures. Pasaules modeļu jomā konkurē arī Google DeepMind ar Genie un citi startapi; Odyssey mērķis ir viena pamata modeļa izmantošana robotikā, transportā, dronos un aģentu apmācībā.