Генерация реалистичного видео с помощью искусственного интеллекта за последние два года достигла поразительного визуального качества. Модели вроде Sora или Runway создают кинематографичные ролики, которые сложно отличить от съемок дорогой камерой. Однако при всей своей красоте это «глупые» пиксели: плоское видео невозможно повернуть другой стороной, внутри него нельзя открыть дверь, а физика в кадре часто нарушается — предметы проваливаются сквозь столы, а жидкости текут в обратную сторону.
Для обучения роботов и беспилотных систем красивой анимации недостаточно. Искусственному интеллекту требуется понимание причинно-следственных законов пространства: массы, инерции, трения и сопротивления материалов.
Компания Odyssey представила фундаментальную генеративную модель трехмерного мира нового поколения — Odyssey-3.
В отличие от генераторов линейного видео, Odyssey-3 создает полноценное интерактивное 3D-пространство с физической симуляцией, внутри которого автономный агент или человек может свободно перемещаться в реальном времени.
Что такое модель мира и как она работает
Если классическая текстовая нейросеть предсказывает следующий токен в предложении, то модель мира (World Model) решает задачу пространственного прогнозирования: она рассчитывает, как изменится физическое состояние сцены, если агент совершит конкретное действие.
Ключевые технические возможности Odyssey-3:
- Честная симуляция физических законов: модель непрерывно рассчитывает коллизии твердых тел, силу тяжести, инерцию при падении, гидродинамику жидкостей и оптические отражения света при смене угла обзора;
- Свободная камера и интерактивность: виртуальное пространство генерируется не как жесткая заставка, а как интерактивная среда. Поддерживается управление камерой от первого лица, вид от третьего лица и свободный полет наблюдателя;
- Лидерство в бенчмарке Physics-IQ Verified: на специализированном тесте физической достоверности флагманская версия Odyssey-3 Pro установила рекорд индустрии, набрав 66,1 балла (по методике best-of-8), оставив позади базовую версию (61,56) и конкурирующие видеомодели.
Робототехника и перенос навыков из симуляции в реальность
Главным бенефициаром появления генеративных моделей мира становится робототехника. До сих пор обучение роботов манипулированию объектами требовало либо сотен часов ручных тестов на дорогих физических стендах, либо создания жестких синтетических симуляций в игровых движках. Любое падение реальной детали или поломка механического захвата стоили тысячи долларов.
Компания Odyssey объявила о стратегическом партнерстве с производителем гуманоидных роботов Flexion:
- Модель обучена на десятках тысяч часов оцифрованных демонстраций реальных физических манипуляций;
- Внутри Odyssey-3 создаются миллионы вариативных цифровых полигонов, где роботы тренируются захватывать хрупкие, скользкие или деформируемые предметы;
- Ключевое достижение симуляции — выработка навыка восстановления после сбоев (recovery behavior). Если деталь выскальзывает из механической руки робота, симуляция не останавливается: робот учится реагировать на ошибку, перехватывать объект и завершать операцию.
После такой подготовки обученные нейросетевые веса переносятся на физического робота (Sim-to-Real transfer) с минимальным падением точности.
Баланс вычислительной сложности
Генерация интерактивного трехмерного мира на лету требует колоссальной вычислительной мощности. Для обеспечения интерактивного отклика разработчики создали облегченную версию Odyssey-3 Flash, способную поддерживать высокую частоту кадров в веб-интерфейсе, тогда как тяжеловесные расчеты высокой физической точности выполняются в облачной версии Pro.
Выход Odyssey-3 знаменует переход ИИ от роли наблюдателя и текстового собеседника к роли пространственного разума (Spatial Intelligence), способного действовать и ориентироваться в сложном материальном мире.