Odyssey、世界モデルOdyssey-3を無料公開

Odyssey-3は、過去のフレームとユーザーの操作に基づいて新しい動画フレームを連続生成する自己回帰拡散トランスフォーマーを土台にする。Odysseyによると、モデルは学習中に視覚的観察から物理的関係や因果関係を学び、イベント記述付きのインターネット動画、キーボードとマウス入力に対応付けたビデオゲーム映像、シミュレーション上の物理的相互作用を利用する。追加の学習手法が所要計算ステップ数を減らし、リアルタイム生成を可能にする。

Odysseyは2023年にOliver CameronとJeff Hawkeが創業し、2026年6月にAmazonやAMD Venturesを含む投資家から3億1000万ドルを調達した。同社はロボットアームの動作からドローンの航行、ゲームキャラクターの操作まで、異なるタスクで同じ世界モデルを使うことを狙い、各用途でモデルを専用コントローラーと組み合わせ、その予測を具体的なコマンドに変換する。ヒューマノイドロボットでは、スイスのロボティクス企業Flexionと協業しており、Odyssey-3を基にした同社のコントローラーは、条件が変化しても比較モデルより信頼性高く動作するとされる。

Odyssey-3はビデオゲームもプレイできる。同社はAIがGTA Vを自律的にプレイし、車両を操作して敵と戦う様子を披露したほか、約2時間のGTA映像で学習したコントローラーが追加学習なしでRed Dead Redemption 2にスキルを転移させた。Odysseyは世界モデルをAIエージェントの学習にも使う計画で、あるデモではエージェントが自然言語のタスクを受け取り、Odyssey-3が生成した環境内で自らの行動を通じて完了を試みた。狙いはエージェントが自らの行動の結果から学ぶことで、AIの新たな学習パラダイムになり得る。これを追求するのはOdysseyだけではない。Google DeepMindはインタラクティブな世界を生成するGenie 3を開発中で、Fei-Fei Liが創業したWorld Labsも同様の技術に取り組んでいる。AMDは9月下旬、World Labsを約82億ドルで買収する計画を発表した。