The Pulse
Odyssey lancia Odyssey-3 per la simulazione interattiva di mondi
Odyssey ha presentato Odyssey-3 l’8 ottobre 2026, mettendo a disposizione un’anteprima di ricerca per gli sviluppatori di sistemi di IA fisica. Secondo l’azienda, la versione Pro ha ottenuto 66,1 nel benchmark video-to-video di Physics-IQ V
AI.info Team · Scritto con l’IA ·
Risultati elevati nei benchmark, ma con un limite
Odyssey afferma che il suo nuovo modello del mondo è in testa in alcuni benchmark di simulazione, ma avverte anche che quei punteggi non indicano quanto bene il sistema funzionerà su un particolare robot o in un determinato compito. La distinzione conta: Odyssey-3 viene presentato sia come strumento per generare ambienti interattivi, sia come base che gli sviluppatori possono adattare ai sistemi fisici.
Presentato l’8 ottobre, Odyssey-3 è un transformer di diffusione autoregressivo che prevede come gli oggetti si muovono e interagiscono e come le situazioni cambiano nel tempo. Secondo Odyssey, il modello apprende rappresentazioni della fisica, delle dinamiche e dei rapporti di causa ed effetto dalle osservazioni visive, per poi usarle per simulare ambienti o contribuire all’addestramento delle policy per le macchine.
«Questi risultati misurano proprietà specifiche dei mondi generati; applicare il modello a un sistema fisico richiede anche di valutare i comportamenti che contano per quella macchina e i suoi compiti», scrivono Oliver Cameron e Jeff Hawke di Odyssey.
Odyssey-3 Pro ottiene 66,1 su Physics-IQ
Odyssey riferisce che Odyssey-3 Pro ha ottenuto 66,1 nel benchmark video-to-video di Physics-IQ Verified, il punteggio più alto riportato nella classifica citata nell’annuncio. Il benchmark verifica le previsioni relative a esperimenti reali di fluidodinamica, ottica, meccanica dei solidi, magnetismo e termodinamica. Odyssey-3 Pro ha ottenuto anche 54,7 nella prova image-to-video del benchmark.
Questi valori riguardano uno specifico benchmark e una specifica variante del modello: la pagina di Odyssey identifica il risultato di 66,1 come il punteggio video-to-video di Odyssey-3 Pro, non come una misura generale delle capacità fisiche. Secondo l’azienda, la versione standard di Odyssey-3 migliora il compromesso misurato tra accuratezza fisica e costo di generazione, consentendo più simulazioni con lo stesso budget computazionale.
Odyssey ha valutato il modello anche su WorldMark, che misura la capacità di seguire i comandi, la qualità visiva e la memoria del mondo. Considerando la media delle 13 metriche riportate dal benchmark, secondo l’azienda Odyssey-3 si è classificato primo in tre categorie su quattro: ambienti stilizzati in prima persona, ambienti realistici in terza persona e ambienti stilizzati in terza persona. Si è classificato terzo negli ambienti realistici in prima persona.
Da un prompt a un mondo che reagisce
L’anteprima di ricerca permette agli utenti di generare un ambiente a partire da un prompt e di muoversi al suo interno, mentre il modello prevede come cambia in risposta alle azioni o a nuovi eventi. Secondo Odyssey, gli utenti possono passare dalla navigazione in prima persona a quella in terza persona e muovere la telecamera in modo indipendente. Questo rende il prodotto più di un sistema che genera un video fisso: il suo scopo dichiarato è far proseguire una scena mentre persone o agenti agiscono al suo interno.
I dati di addestramento del modello combinano video tratti da Internet con annotazioni degli eventi localizzate nel tempo, registrazioni di sessioni di gioco associate agli input di tastiera e mouse e simulazioni di interazioni tra corpi rigidi corredate di didascalie e metadati. Odyssey afferma di aver addestrato il modello a proseguire dalle osservazioni precedenti e a prevedere stati futuri sulla base di prompt e comandi, applicando poi una procedura successiva all’addestramento per creare una variante più veloce destinata all’interazione in tempo reale.
Dalle scene generate alle macchine
Gli esempi di Odyssey sull’adattamento ai sistemi fisici dipendono da componenti aggiuntivi addestrati per ciascuna macchina. Per i bracci robotici, secondo l’azienda alcune decine di ore di dimostrazioni hanno permesso di svolgere compiti di manipolazione e azioni di recupero, tra cui riorientare una pinza dopo una presa mancata e recuperare un oggetto caduto.
Per la guida, Odyssey afferma di aver mantenuto fisso il backbone del modello, addestrando al contempo una policy su 20 ore di dati di guida per far circolare un’auto su strade reali in India. La policy usa le rappresentazioni visive di Odyssey-3 per prevedere i punti di passaggio. L’azienda descrive anche un lavoro con policy per robot umanoidi sviluppate da Flexion, ma i risultati dei benchmark, da soli, non dimostrano come questi sistemi funzioneranno al di fuori delle condizioni testate.
L’anteprima di ricerca è disponibile da ora. Odyssey invita gli sviluppatori che lavorano su robot, umanoidi, auto a guida autonoma, droni e altri sistemi autonomi a contattare l’azienda per sviluppare applicazioni con Odyssey-3.