IT之家 10月9日の報道によると、Odysseyは昨日（10月8日）にブログ投稿を発表し、Odyssey-3シリーズの基本世界モデルを発表した。その中でOdyssey-3 ProはPhysics-IQ Verifiedビデオからビデオベンチマークで66.1分を記録し、このランキングで最高記録を達成した。
IT之家注：基礎世界モデル（Foundation World Model）とは、多数の視覚観測から物理的性質、動き、因果関係を学ぶ一般的なAIモデルです。これは、物体がどのように動くか、相互作用がどのようになるか、そして状況が時間とともにどのように変化するかを予測し、環境をシミュレートしたり、ロボットや車両などのシステムの制御戦略を訓練するために使用されます。
Physics-IQ Verifiedは、Anates LabsとDeepMindが共同で開発した物理行動ベンチマークテストです。このテストでは、モデルが実際の物理実験ビデオを続けて生成し、予測結果と実際の結果を比較します。対象範囲は流体力学、光学、固体力学、磁学、熱力学です。
モデルに関しては、Odyssey-3シリーズの基本世界モデルが標準版とPro版に分かれています。標準版は物理的精度と生成コストのバランスを取り、Pro版は物理的予測能力がより高いです。
アーキテクチャについては、Odyssey-3は自己回帰拡散変換器アーキテクチャを採用しており、プロンプトから身体を持つ環境を生成することができます。ユーザーが生成過程で視点を移動したり、動作を行ったり、イベントを導入した後、モデルは既存の観測データと最新の入力データを組み合わせて、環境がどのように変化するかをリアルタイムで予測します。
このプレビュー版では、第一人称および第三人称ナビゲーションがサポートされており、独立したカメラの動きも可能です。ユーザーは環境内を移動したり、イベントを引き起こしたりすることで、モデルが環境状態に応答する様子を観察できます。
WorldMark評価の性能において、Odyssey-3は第一人称スタイル化、第三者視点のリアリティ、第三者視点のスタイル化の3つの環境でそれぞれ1位となり、得点は77.2、79.0、76.3であった。