Odyssey 3

Odyssey-3とは

Odyssey-3は、2023年にOliver CameronとJeff Hawkeが立ち上げたAI研究所Odysseyのワールドモデルだ。ワールドモデルは物理世界の振る舞いを学び、次に何が起きるかを予測する。Odyssey-3はそれをリアルタイムで行う。プロンプトを渡すと環境が生成され、自分が動いたりイベントを起こしたりするたびに、その環境がどう変わるかを予測し続ける。

中身は自己回帰型の拡散Transformerである。平たく言えば映像を1フレームずつ作り、新しいフレームは直前までのフレームと、その瞬間に入ってきた行動に条件づけられる。固定された動画との違いはここにある。世界が反応するのだ。学習には、時刻とイベントを注記したネット動画、キーボードとマウス入力付きのゲームプレイ録画、剛体接触のシミュレーションを使っている。

用途は大きく二つ。一つはシミュレーションで、エージェントや人が動き回れる世界を作る。もう一つはポリシー学習で、観測と行動の組で学習した小さなアクションデコーダーやポリシーを載せると、同じ基盤がロボットアーム、ヒューマノイド、車、ドローンを動かす。ゼロから訓練するより必要なデータははるかに少ない。

制約は提供方法にある。Odyssey-3は研究プレビューであり、完成品のパッケージではない。価格表は公開されておらず、APIドキュメントもなく、重みを自分でダウンロードする手段もない。ブラウザで試せるのはOdyssey-3 Flashで、それ以上は会社との相談から始まる。

はじめ方

1. experience.odyssey.systemsを開き、研究プレビューにサインインする。
2. 場所や場面を説明するプロンプトを入力し、最初のフレームが生成されるのを待つ。
3. 一人称または三人称で環境を移動し、カメラを独立して動かして予測を確認する。
4. 生成の途中でイベントや行動を起こし、世界がどう反応するかを見る。
5. ロボットや自動運転の案件なら、Odysseyに連絡してアクセスを相談し、自社ハードの観測と行動でアクションデコーダーを訓練する。