世界模型RESEARCH BRIEF

Odyssey-3

把世界预测能力接到多种物理系统的动作上

Odyssey官方发布 2026.09.15

闭源 · 发布预告

IN A NUTSHELL

用自回归扩散 Transformer 学习世界动态，再训练动作解码器适配机器人等系统。官方展示机械臂、人形、车辆及游戏案例；截至发布文，公开开放仍计划在随后几周进行。

方法与关键变化

模型先从大量视觉观测中学习动态表示，再利用观察—动作配对数据训练动作解码器，把世界模型内部表示转成特定系统可执行的控制。

人形案例还依赖 Flexion 的强化学习与全身控制研发，因此展示的系统能力不应全部归因于基础世界模型本身。

官方展示数十小时机器人示范后的控制与部分失败恢复，并宣布和 Poke & Wiggle 开展跨本体、视角及控制评估。当前是厂商演示与研究披露，本次未见足够支持广泛领先结论的独立复现。

9 月 15 日官方介绍称将于随后几周公开发布；未开放模型权重。现有 API 入口不自动代表 Odyssey-3 已普遍可用。

LICENSE未公开模型许可证

独立分析 · 未复现实验

把从视觉观察学到的知识转成动作，提出了世界模型的另一种用途：它不仅可以给策略提供环境，也可能直接提供可迁移表示。这个假设值得与 VLA 路线正面对照。

多种机器的演示可能同时依赖各自的动作解码、数据与控制工程。缺少统一适配预算和失败分布时，无法判断跨任务收益究竟来自共同底座还是专门调试。

现阶段我会把它列为值得跟进的研究主张，暂不当作已验证的通用控制方案。后续最关键的是新身体适配所需的数据和工程量。

在新任务固定示范量与控制栈，比较世界模型初始化、VLA 初始化和从零训练；记录恢复行为、长任务失败及适配工时，避免只比较精选视频。