La empresa de IA californiana Odyssey abrió una vista previa pública de investigación de Odyssey-3, su modelo de mundo. Cualquier usuario puede generar entornos interactivos a partir de instrucciones de texto y recorrerlos en tiempo real. El modelo simula procesos físicos y predice cómo cambia un entorno según las acciones que ocurren en él. Los desarrolladores pueden postular a acceso por API.
Los fundadores, Oliver Cameron y Jeff Hawke, presentaron el modelo el 15 de septiembre con foco en robótica, conducción autónoma y videojuegos. Lo nuevo ahora es el acceso público, más detalle técnico y resultados en pruebas de referencia.
¿Cómo se prueba Odyssey-3?
La demostración en línea gratuita corre sobre Odyssey-3 Flash y genera entornos interactivos a partir de descripciones de texto. El usuario elige entre vista en primera o tercera persona, se mueve por el mundo generado, provoca eventos y ve cómo el modelo responde en tiempo real.
Odyssey-3 se basa en un transformer de difusión autorregresivo que genera nuevos cuadros de video sin parar, a partir de los cuadros anteriores y de las acciones del usuario. Según Odyssey, durante el entrenamiento el modelo aprende relaciones físicas y de causa y efecto a partir de observaciones visuales.
Los datos de entrenamiento incluyeron videos de internet con descripciones de eventos, grabaciones de videojuegos acompañadas de las entradas de teclado y mouse correspondientes, e interacciones físicas simuladas. Una técnica de entrenamiento adicional reduce la cantidad de pasos de cómputo necesarios, y eso hace posible la generación en tiempo real.
El modelo base Odyssey-3 tiene 14.000 millones de parámetros y genera video a 832 × 480 píxeles, según la presentación oficial al benchmark. Odyssey-3 Pro llega a 1280 × 720 píxeles.
Récords de física con letra chica
Según la empresa, Odyssey-3 Pro, la versión más potente, obtiene 66,1 puntos en la prueba de video a video de Physics-IQ Verified. La prueba evalúa el comportamiento físico en áreas como mecánica de fluidos, óptica, mecánica de sólidos, magnetismo y termodinámica. Los modelos tienen que continuar videos de experimentos reales, y sus resultados se comparan con lo que pasó de verdad.
Ese puntaje máximo viene con una advertencia grande. Sale de una sola corrida en que un método de selección eligió uno de ocho videos generados para cada tarea. Las reglas del benchmark exigen cuatro corridas con la desviación estándar informada para cualquier récord, y el resultado reportado no cumple esa condición. Sin el método de selección, Odyssey-3 Pro promedió 63,37 puntos en cuatro corridas. Los dos resultados aparecen en la tabla oficial de posiciones, pero los subió la propia Odyssey.
En el benchmark WorldMark, Odyssey-3 queda primero en tres de cuatro categorías según su propia evaluación. WorldMark mide qué tan bien siguen los modelos las instrucciones de control, la calidad de las imágenes generadas y si los mundos simulados se mantienen coherentes en el tiempo.
| Categoría de WorldMark | Puntaje de Odyssey-3 | Posición |
|---|---|---|
| Primera persona estilizada | 77,2 | 1.° |
| Tercera persona real | 79,0 | 1.° |
| Tercera persona estilizada | 76,3 | 1.° |
| Primera persona real | 80,6 | 3.° |
¿Puede un mismo modelo manejar robots, drones y GTA V?
Odyssey quiere usar el mismo modelo de mundo para tareas distintas, desde mover brazos robóticos hasta pilotear drones o controlar personajes de videojuegos. Para cada aplicación, el modelo se combina con un controlador especializado que traduce sus predicciones en comandos concretos.
Según la empresa, en pruebas una IA construida sobre Odyssey-3 controló varios brazos robóticos. Bastaron unas pocas decenas de horas de datos de demostración para entrenarla. Los robots también se recuperaron solos de agarres fallidos, aunque esas situaciones no estaban en los datos de entrenamiento.
Para robots humanoides, Odyssey trabaja con la empresa suiza de robótica Flexion. Los controladores que Flexion construyó sobre Odyssey-3 serían más confiables que los modelos de comparación, incluso cuando cambian las condiciones.
Odyssey también armó un controlador de dron entrenado con datos de vuelo simulados. En un entorno virtual interior, el dron esquivó obstáculos y voló a destinos específicos cuando se le ordenaba, según la empresa.
Odyssey-3 también juega videojuegos. La empresa mostró una IA que jugaba GTA V de forma autónoma, manejaba vehículos y peleaba contra enemigos. Un controlador entrenado con unas dos horas de grabaciones de GTA logró además trasladar sus habilidades a Red Dead Redemption 2 sin entrenamiento extra, moviendo a un personaje a caballo.
La empresa planea usar su modelo de mundo para entrenar agentes de IA. En una demostración, un agente recibió una tarea en lenguaje natural e intentó cumplirla con sus propias acciones dentro de un entorno generado por Odyssey-3. La meta es que los agentes aprendan de los resultados de sus propias acciones.
Por ahora la vista previa pública ofrece generación de entornos interactivos. La robótica y los sistemas autónomos necesitarán más trabajo.
La carrera por los modelos de mundo
Odyssey nació en 2023, fundada por Oliver Cameron y Jeff Hawke. En junio de 2026 la empresa levantó 310 millones de dólares de inversionistas entre los que están Amazon y AMD Ventures.
Los modelos de mundo buscan darles a los sistemas de IA una comprensión de las relaciones espaciales y físicas. Google DeepMind sigue un camino parecido con Genie 3 para generar mundos interactivos. World Labs, la startup fundada por Fei-Fei Li, desarrolla una tecnología similar, y AMD anunció a fines de septiembre que planea comprarla por unos 8.200 millones de dólares.
