Odyssey 3
Odyssey 3は、リアルタイムの物理ダイナミクスをシミュレートし、自律システムの基盤として機能するように設計された自己回帰型拡散トランスフォーマーの世界モデルです。
画像生成視覚的観測情報から物体の動き、相互作用、物理的ダイナミクスを予測単一のチェックポイントからマルチセンサーカメラの観測情報を生成目標指向型AIエージェントのトレーニングおよび評価のためのシミュレーション環境を提供ロボットや車両の制御ポリシー向けの視覚的表現バックボーンとして機能
- 推定月間訪問数
- 1.9万 データ期間:
- AIToolly 掲載日
Odyssey 3とは？製品概要
製品の機能と公式な位置づけ
Odyssey 3は、自己回帰型拡散トランスフォーマーとして実装された基盤世界モデルであり、物体、ダイナミクス、物理的相互作用が時間と空間を通じてどのように変化するかをシミュレートします。
動画の観測データ、ゲームプレイ入力、シミュレートされた剛体物理学でトレーニングされたこのモデルは、ロボティクスや身体性AIポリシー向けのインタラクティブな環境生成機能と視覚表現基盤を提供します。
Odyssey 3で何ができますか？
公式情報で確認できる活用例
ヒューマノイドロボット制御
FlexionがOdyssey 3上でヒューマノイド制御ポリシーを構築し、環境や照明の変化下でもタスク実行を維持した顧客導入事例として紹介されています。
自動運転ポリシーのトレーニング
開発者は凍結されたモデルバックボーンを使用して、クローズドループの走行デモ向けにウェイポイントを予測するようOdyssey 3を適合させました。
ロボットアームのマニピュレーション
開発者はロボットのデモデータに基づいてマニピュレーションポリシーをトレーニングし、タスクの実行や持ち直しなどの回復動作を発現させました。
モデルアーキテクチャとリアルタイム蒸留
Odyssey 3は、時間的に分解されたプロンプトとアクション入力を組み込んで将来の視覚的状態を生成する、マルチステップ動画拡散トランスフォーマーとして動作します。
因果マスキングと教師強制を通じて過去の視覚的履歴に基づいて将来の予測を条件付けることで自己回帰的に機能し、敵対的蒸留および分布一致蒸留パイプラインによりステップ数を削減してリアルタイムの応答を実現します。
- 注釈付きインターネット動画、入力ログ付きゲームプレイ、シミュレートされた剛体相互作用でトレーニング
- Odyssey-3では832x480解像度、Odyssey-3 Proでは1280x720解像度で動画を出力
- 一人称、三人称、および分離されたカメラ視点を介したインタラクションが可能
Odyssey 3を選ぶ前に確認すること
自分の素材とワークフローで確認したい項目
- 832x480または1280x720の出力解像度が、下流の評価パイプラインにおける視覚的忠実度の要件を満たしているか確認してください。
- 対象の機械に固有のハードウェアデコーダーをトレーニングするために必要な、観測と行動のペアデータの量を確認してください。
- 流体力学、光学、固体力学、熱力学などの特定のドメイン要件に対して、モデルの予測結果を検証してください。
Odyssey 3の情報源と確認日
確認した情報源とその日時
- 最終確認日
- カテゴリー
- 画像生成
Odyssey 3のよくある質問
情報源を確認した製品情報に基づく回答
Odyssey 3とは何ですか？
Odyssey 3は、時間の経過に伴う物理ダイナミクス、物体の動き、環境変化を予測する自己回帰型拡散トランスフォーマーの世界モデルです。
Odyssey 3で文書化されている解像度は何ですか？
ドキュメントによると、Odyssey 3は832x480の解像度で生成を行い、Odyssey 3 Proは1280x720の解像度で動作すると報告されています。
Odyssey 3は物理マシンにどのように適合されますか？
開発者は、観測データと行動データのペアに基づいてアクションデコーダーまたはポリシーをトレーニングすることで、基盤モデルを特定のロボットや車両に適合させます。
シミュレーションプレビューはどのようなカメラ視点をサポートしていますか？
プレビューでは、環境生成中の一人称ナビゲーション、三人称ナビゲーション、および独立したカメラ配置がサポートされています。
Odyssey 3の構築にはどのようなトレーニングデータが使用されましたか？
このモデルは、注釈付きインターネット動画、キーボードやマウス入力と同期されたゲームプレイ録画、キャプション付きの剛体シミュレーションでトレーニングされました。
