Стартап Odyssey, созданный выходцами из индустрии беспилотного транспорта, представил модели мира Odyssey-3 и Odyssey-3 Pro. Система строит интерактивное 3D-окружение по текстовому описанию, просчитывая физику объектов в реальном времени. Базовая версия работает в разрешении 832x480 пикселей, версия Pro поддерживает 1280x720.
В основе разработки лежит авторегрессионный диффузионный трансформер, обученный на видео, логах ввода с клавиатуры и мыши, а также на симуляциях физики твердых тел. Модель генерирует видеоряд кадр за кадром, реагируя на команды пользователя и перемещения камеры от первого или третьего лица. Генерация фрагментов происходит за несколько шагов, что обеспечивает работу в реальном времени.
Компания позиционирует новинку как симулятор для обучения роботов. Робот-манипулятор, обученный на нескольких десятках часов демонстраций, выполнял задачи захвата с восстановлением после ошибок. Гуманоидная политика на базе Odyssey-3 сохраняла работоспособность при смене освещения, а модель для вождения адаптировали под условия дорог Индии, используя 20 часов данных.
На бенчмарке Physics-IQ Verified модель Odyssey-3 Pro набрала 66,1 балла, что является лучшим опубликованным результатом. На WorldMark система заняла первое место в трех категориях из четырех, уступив конкурентам в генерации сцен от первого лица. Исследовательская версия доступна на сайте компании, API предоставляется по запросу через портал для разработчиков.
