Odyssey 发布世界模型 Odyssey-3：一个模型通吃机械臂、自动驾驶与人形机

过去做机器人或者自动驾驶，工程师最头疼的一件事，就是给每个硬件单独「喂饭」。

机械臂要学抓取，就得录几万次示教；自动驾驶要学变道，就得开几十万公里去扫街；换成双足人形机器人，又得从头再来一遍。这种为每个任务专门定制专有模型的搞法，既慢又贵。

Odyssey 正式发布了世界模型 Odyssey-3。它想彻底推翻这种堆数据的玩法，造一个通用的「物理大脑」。

先学会物理常识，再学怎么干活

Odyssey-3 的底层是一个自回归扩散 Transformer（autoregressive diffusion transformer）。它没有一上来就去学怎么拧螺丝或踩刹车，而是先吞下海量的现实视觉数据，理解物体运动、因果关系和重力规律。

说白了，它先把真实世界的运行规律学透了。

当它需要控制具体设备时，Odyssey 会把这个巨大的世界模型本体「冻结」起来，只在外面接一个轻量的动作解码器（action decoder）。这个解码器只需要几十个小时的任务数据，就能把模型内对世界的理解翻译成具体的控制指令。

效果非常夸张。在机械臂实验中，仅用数十小时的示教数据，机械臂不仅能抓取物品，还学会了示教数据里根本没有的自我纠错行为。比如抓空后自动调整夹爪角度，或者把掉在奇怪位置的物品重新捡起来。

在人形机器人上，Odyssey 联手机器人公司 Flexion 展开深度合作。仅靠数十小时的人形遥操作数据，系统就能实时执行开箱、摆放餐具等长序列动作。Flexion 联合创始人兼 CEO Nikita Rudin 表示，在光照发生剧烈变化时，基准 VLA 模型纷纷崩溃，而基于 Odyssey-3 的策略依然能稳定运行。

更让人意外的是自动驾驶。研究团队仅用了 20 个小时的模拟驾驶数据去微调，就把 Odyssey-3 扔到了交通极其混乱的印度街头进行闭环实测。车辆能实时生成轨迹、自动过环岛、处理两侧加塞。纯仿真训练出的策略，在两次接管之间的平均行驶距离达到了真实数据训练策略的 77% 左右。

除了物理硬件，它还能控制无人机室内避障，甚至打起了电子游戏。在《GTA V》里学了两个小时的移动策略，竟然能直接迁移到《荒野大镖客 2》里去骑马，或者在《热血无赖》里骑摩托车。

为什么重要

我们认为，Odyssey-3 的意义在于给整个具身智能行业换了一条更聪明的赛道。

过去几年，机器人行业一直在模仿大语言模型的 Scaling Law，拼命采集昂贵的人类示教数据。但真实物理世界的遥操作数据太难拿了，成本高到根本不可能无限堆积。Odyssey 证明了一条新路子：让 AI 先通过海量视频看懂世界，再用极少的操作样本去「点拨」它。

如果这条路完全走通，最大的受益者就是中小型机器人和硬件开发团队。你不再需要养一支庞大的飞手或遥操作团队去录制成千上万个小时的数据，只要拿现成的世界模型挂上自己的控制器，几天之内就能搭出一套可用的动作系统。

但这里面依然存在隐患。目前展示的任务虽然泛化能力惊人，可控制精度和极低延迟依然是硬考验。从视频中学会「看懂因果」，和在毫秒级工业装配或高速避障中「绝对不出错」，中间依然隔着巨大的安全鸿沟。

不过，它给具身智能带来的方向转变是明确的：未来的通用机器人，核心竞争力可能不再是硬件本身，而是谁家的大脑真正读懂了物理世界的规律。