Odyssey 3 ist ein autoregressives Diffusions-Transformer-Weltmodell, das entwickelt wurde, um physikalische Dynamiken in Echtzeit zu simulieren und autonome Systeme anzutreiben.
Funktion und offizielle Positionierung des Produkts
Odyssey 3 ist ein Foundation-Weltmodell, das als autoregressiver Diffusions-Transformer implementiert ist und simuliert, wie sich Objekte, Dynamiken und physikalische Interaktionen über Raum und Zeit hinweg entwickeln.
Das Modell wurde auf Videobeobachtungen, Gameplay-Eingaben und simulierter Starrkörperphysik trainiert und dient als interaktiver Umgebungsgenerator sowie als visuelle Repräsentationsbasis für Robotik- und Physical-AI-Policies.
Durch offizielle Quellen belegte Anwendungsfälle
Das Unternehmen stellt dies als Kundenanwendungsfall dar, bei dem Flexion humanoide Steuerungs-Policies auf Odyssey 3 aufbaute, die die Aufgabenausführung unter Umgebungs- und Beleuchtungsänderungen aufrechterhielten.
Entwickler passten Odyssey 3 an, um Wegpunkte für Closed-Loop-Fahrdemonstrationen unter Verwendung eines eingefrorenen Modell-Backbones vorherzusagen.
Entwickler trainierten Manipulations-Policies auf Roboter-Demonstrationsdaten, um Aufgaben auszuführen und Wiederherstellungsverhalten wie das erneute Greifen zu demonstrieren.
Odyssey 3 arbeitet als mehrstufiger Video-Diffusions-Transformer, der zeitlich aufgelöste Prompts und Aktionseingaben einbindet, um zukünftige visuelle Zustände zu generieren.
Durch kausale Maskierung und Teacher Forcing funktioniert das System autoregressiv, indem es zukünftige Vorhersagen auf den bisherigen visuellen Verlauf konditioniert, während eine Pipeline aus adversarieller und verteilungsabgleichender Destillation die Schrittanzahl reduziert, um Echtzeitreaktionen zu ermöglichen.
Prüfungen mit eigenen Inhalten und Arbeitsabläufen
Welche Quellen wann geprüft wurden
Antworten auf Basis des quellengeprüften Produkteintrags
Odyssey 3 ist ein autoregressives Diffusions-Transformer-Weltmodell, das physikalische Dynamiken, Objektbewegungen und Umweltveränderungen im Zeitverlauf vorhersagt.
Die Dokumentation gibt an, dass Odyssey 3 mit einer Auflösung von 832x480 generiert, während Odyssey 3 Pro mit einer Auflösung von 1280x720 arbeitet.
Entwickler passen das Foundation-Modell an spezifische Roboter oder Fahrzeuge an, indem sie einen Aktions-Decoder oder eine Policy auf gepaarten Beobachtungs- und Aktionsdaten trainieren.
Die Vorschau unterstützt First-Person-Navigation, Third-Person-Navigation und eine unabhängige Kamerapositionierung während der Umgebungsgenerierung.
Das Modell wurde auf annotierten Internetvideos, mit Tastatur- und Mauseingaben abgeglichenen Gameplay-Aufzeichnungen sowie beschrifteten Starrkörpersimulationen trainiert.
