Odyssey 釋出世界模型 Odyssey-3：一個模型通吃機械臂、自動駕駛與人形機

過去做機器人或者自動駕駛，工程師最頭疼的一件事，就是給每個硬體單獨「餵飯」。

機械臂要學抓取，就得錄幾萬次示教；自動駕駛要學變道，就得開幾十萬公里去掃街；換成雙足人形機器人，又得從頭再來一遍。這種為每個任務專門定製專有模型的搞法，既慢又貴。

Odyssey 正式釋出了世界模型 Odyssey-3。它想徹底推翻這種堆資料的玩法，造一個通用的「物理大腦」。

先學會物理常識，再學怎麼幹活

Odyssey-3 的底層是一個自迴歸擴散 Transformer（autoregressive diffusion transformer）。它沒有一上來就去學怎麼擰螺絲或踩剎車，而是先吞下海量的現實視覺資料，理解物體運動、因果關係和重力規律。

說白了，它先把真實世界的執行規律學透了。

當它需要控制具體裝置時，Odyssey 會把這個巨大的世界模型本體「凍結」起來，只在外面接一個輕量的動作解碼器（action decoder）。這個解碼器只需要幾十個小時的任務資料，就能把模型內對世界的理解翻譯成具體的控制指令。

效果非常誇張。在機械臂實驗中，僅用數十小時的示教資料，機械臂不僅能抓取物品，還學會了示教資料里根本沒有的自我糾錯行為。比如抓空後自動調整夾爪角度，或者把掉在奇怪位置的物品重新撿起來。

在人形機器人上，Odyssey 聯手機器人公司 Flexion 展開深度合作。僅靠數十小時的人形遙運算元據，系統就能即時執行開箱、擺放餐具等長序列動作。Flexion 聯合創始人兼 CEO Nikita Rudin 表示，在光照發生劇烈變化時，基準 VLA 模型紛紛崩潰，而基於 Odyssey-3 的策略依然能穩定執行。

更讓人意外的是自動駕駛。研究團隊僅用了 20 個小時的模擬駕駛資料去微調，就把 Odyssey-3 扔到了交通極其混亂的印度街頭進行閉環實測。車輛能即時生成軌跡、自動過環島、處理兩側加塞。純模擬訓練出的策略，在兩次接管之間的平均行駛距離達到了真實資料訓練策略的 77% 左右。

除了物理硬體，它還能控制無人機室內避障，甚至打起了電子遊戲。在《GTA V》裡學了兩個小時的移動策略，竟然能直接遷移到《荒野大鏢客 2》裡去騎馬，或者在《熱血無賴》裡騎摩托車。

為什麼重要

我們認為，Odyssey-3 的意義在於給整個具身智慧行業換了一條更聰明的賽道。

過去幾年，機器人行業一直在模仿大語言模型的 Scaling Law，拼命採集昂貴的人類示教資料。但真實物理世界的遙運算元據太難拿了，成本高到根本不可能無限堆積。Odyssey 證明了一條新路子：讓 AI 先通過海量影片看懂世界，再用極少的操作樣本去「點撥」它。

如果這條路完全走通，最大的受益者就是中小型機器人和硬體開發團隊。你不再需要養一支龐大的飛手或遙操作團隊去錄製成千上萬個小時的資料，只要拿現成的世界模型掛上自己的控制器，幾天之內就能搭出一套可用的動作系統。

但這裡面依然存在隱患。目前展示的任務雖然泛化能力驚人，可控制精度和極低延遲依然是硬考驗。從影片中學會「看懂因果」，和在毫秒級工業裝配或高速避障中「絕對不出錯」，中間依然隔著巨大的安全鴻溝。

不過，它給具身智慧帶來的方向轉變是明確的：未來的通用機器人，核心競爭力可能不再是硬體本身，而是誰家的大腦真正讀懂了物理世界的規律。