Odyssey について
About
Odyssey とは
Odyssey は世界モデルに絞って研究する AI ラボだ。世界モデルは、環境で次に何が起きるかを予測し、その予測をリアルタイムで操作できる映像として出力する。返ってくるのは固定されたクリップではない。モデルはシーンの状態を保持し、キーを押すたび、スティックを倒すたびに状態を更新する。2023 年に Oliver Cameron と Jeff Hawke が設立した。二人とも自動運転の出身で、現在は 3 億 1000 万ドルのシリーズ B を調達している。
狙いは、物理システムと仮想システムの共通基盤だ。同じモデル群がロボットアームを動かし、ヒューマノイドの制御ポリシーを支え、ドローンを飛ばし、ゲームを遊び、シミュレーション内で他の AI エージェントを訓練する。Odyssey によれば、最新の Odyssey-3 は数十時間の実演データだけで新しいロボット作業を習得する。事前学習で身につけた世界の理解を土台にするからだ。
導入を決める前に、制約を押さえておきたい。Odyssey が公開しているものはほぼ研究プレビューで、完成品ではない。アクセス権、利用枠、機能は予告なく変わる。長時間の実行ではドリフトも起きる。チーム自身が認めている通り、シーンの配置や音の同一性は時間とともに崩れ、インタラクティブな音声映像生成を測る標準ベンチマークもまだ存在しない。画質も専用の動画生成モデルには届かない。モデルは完璧な一枚を描くのではなく、こちらの操作に反応することに計算資源を使うからだ。
はじめかた
- Odyssey のサイトを開き、デモを選ぶ。一人で探索するなら Odyssey-3、複数人で同じ世界に入るなら Agora-2 だ。
- デスクトップのブラウザで起動する。操作はキーボード、ゲームパッド、スマートフォンなら画面上のボタンで行う。
- 生成された世界を歩き、シーンがどう反応するかを見る。フレームは約 40 ミリ秒ごとにその場で生成される。
- コードから使う場合は開発者プラットフォームに登録し、Odyssey API 経由で Odyssey-2 を呼ぶ。プロンプトと入力ストリームを送ると、インタラクティブ動画が返る。
- 何かを作る前に研究記事を読む。モデル名、プレビューの制限、対応する入力はリリースごとに変わる。
AIツール情報
Odysseyの料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- ロボティクスと自動運転のチーム
- ゲームの設計者とプロトタイパー
- AI 研究者
タスク
- 生成された環境の探索
- ロボットポリシーの訓練
- エージェントの負荷試験
- ゲーム企画の検証
シーン
- 今週中にインタラクティブな環境が要る研究スプリント
- 複数人での実験
- ロボットアームの sim-to-real 準備
主な機能
リアルタイムに生成されるインタラクティブな世界
中核は、遊んでいる最中にフレームを出し続ける世界モデルだ。Odyssey-1 が基準を作った。約 40 ミリ秒ごとに 1 フレームを生成し、キーボードやゲームパッド、スマートフォンの入力が見ている映像に直結して感じられる速さだった。レンダーファームも、クリップの完成を待つ時間もない。
一つのモデルで複数の機体を動かす
Odyssey-3 は世界の視覚観察で訓練した自己回帰型の拡散 Transformer で、同じチェックポイントがロボットアーム、ヒューマノイド、車、ドローン、ゲームに使える。売りはサンプル効率だ。新しい物理システムに必要なのは数時間の実演で、事前学習並みのデータセットではない。Odyssey は、掴み損ねた後に把持し直すといった、実演になかった回復行動も報告している。
複数エージェントの共有シミュレーション
Agora-2 は人間でも AI でも複数の参加者を同じ生成世界に同時に入れる。アーキテクチャは仕事を二つに分ける。一方のモデルが全員の行動から共有の世界状態を進め、もう一方が各視点を矛盾なく描く。最大 4 人で同じセッションを共有でき、ゲームエンジンの両半分を学習で置き換えた構成にかなり近い。
音と映像を同時に生成
Starchild-1 は音と映像を同じ生成の流れで作り、最大 24 fps で出力する。非同期キャッシュで二つのモダリティをそれぞれの時計で走らせながら同期を保つ。ストリーミングのテキスト、音声、行動入力に反応し、台本付きの会話、自由な対話、ナレーションのモードを備える。音は雰囲気だけでなく、物理や意図の情報を運ぶ。
世界を訓練場にする
PROWL-2 はエージェント群とその世界を一つのループでつなぐ。双方が同じ訓練ループの中でそれぞれのカリキュラムを進めるので、エージェントが上手くなるほど環境は難しくなり、エージェントは自分の失敗からデータを得る。身体を持つエージェントを訓練するチームにとって、手作りのシミュレータを、ポリシーと一緒に育つ環境に置き換える選択肢になる。
ブラウザのデモと開発者向け API
コードを書かずに試せる。experience.odyssey.systems が Odyssey-3 のデモ、agora.odyssey.systems が複数人版だ。実運用では Odyssey-2 を開発者プラットフォームから利用する。プロンプトと入力ストリームを送り返すと、インタラクティブ動画が返ってくる。
メリットとデメリット
メリット
- 操作が製品の中心で、動画生成器の追加機能ではない。入力が変えるのは次のフレームであって、次のレンダリングではない。
- 一つの基盤モデルがロボット、ドローン、車、ゲームをカバーするので、チームが維持するシステムの数を減らせる。
- データ効率は実際に効く。公開された実験では、数十時間の実演で動くロボット制御が得られている。
- 研究が公開されている。技術レポート、論文、遊べるデモがあり、契約前に試せる。
- マルチエージェント対応により、地図を手で作らずに共有のシミュレーション世界を用意できる。
デメリット
- 公開物のほとんどは研究プレビューで、可用性と制限がプロジェクトごとに変わる。
- 長時間のセッションではドリフトする。シーンと音の同一性が崩れ、物理的な正確さも機体によって差が出るため、長回しや安全性が絡む用途では検証が要る。
- 価格表が公開されていない。API と企業案件は開発者プラットフォームか営業経由で、予算を立てるには一度話す必要がある。
- 画質は専用の動画モデルに劣り、手作りのエンジンが与える形状の厳密な制御は手放すことになる。
よくある質問
リアルタイムでインタラクティブ動画を生成する世界モデルを開発している。シーンを指定し、キーボードやゲームパッド、スマートフォンで操作すると、モデルが次に起きることを予測して描く。
関連コンテンツ
Odysseyに関連するツール、スキル、記事を探す。
Odysseyの代替ツール
Vadu AI
Vadu AI · 画像 · 動画Vadu AIは、書いたプロンプトや静止画を短いクリップに変えるウェブベースのAI動画ジェネレーターで、単体で画像を生成することもできる。作りたい内容を打ち込み、モデルとスタイルを選べば、プラットフォームが数分で結果を書き出す。無料プランは軽い試し書きをまかなえる範囲で、有料プランは消費するクレジットに応じて月9ドルから77.40ドルまで幅がある。
Mykaraoke Video
MyKaraoke Video · 動画Mykaraoke Videoは、オンラインで使えるカラオケ動画・歌詞動画メーカーだ。どんな曲でも、ブラウザ上で歌詞を同期した完成動画に変える。面倒な部分を代わりに処理してくれる。AIがミックスからボーカルを抜き出し、歌詞をビートに合わせ、その後で背景やフォント、色をカスタマイズしてから1080pのMP4で書き出せる。SNS向け、パーティー用、音楽プロモーション用に歌詞動画を作るなら、ソフトのインストールも手作業のタイミング合わせも丸ごと省ける。 一晩を丸ごと奪わないカラオケ動画ジェネレーターが欲しい？それがこのツールの売りだ。
Finalframe
Finalframe · 動画Finalframeは、動画クリップから正確なフレームを取り出すための無料ブラウザツール群だ。最も有名な機能である「最後のフレーム抽出」では、あらゆる動画の最後のフレームを取り出し、Luma Dream Machine、Runway、KlingといったAI動画ツールの開始画像として使える。クリップを続けたいなら、その最後のフレームが起点になる。ツールは自分のブラウザ上で動き、登録も費用も不要だ。同じチームによる別の有料AI動画生成アプリは、作り直しのため現在オフラインだ。