L’entreprise californienne Odyssey a ouvert une prévisualisation de recherche publique de son modèle de monde Odyssey-3. Le système génère des environnements interactifs à partir de descriptions textuelles et permet aux utilisateurs de les explorer et de les influencer en temps réel, en choisissant une vue à la première ou à la troisième personne et en contrôlant la caméra de façon indépendante.
Contrairement aux générateurs de vidéo classiques qui produisent un clip finalisé, Odyssey-3 fonctionne comme un système dynamique appris. Il prédit en continu l’évolution de la scène en fonction des observations précédentes et des actions de l’utilisateur ou d’un agent. La démo gratuite utilise Odyssey-3 Flash ; la variante Pro génère à une résolution plus élevée (1280 × 720).
Comment ça marche et ce qu’il peut faire
Le modèle est un transformer de diffusion autorégressif. Il a été entraîné sur un mélange de vidéos internet avec annotations d’événements, d’enregistrements de gameplay avec entrées clavier et souris synchronisées, et de simulations d’interactions physiques. Une étape de distillation supplémentaire réduit les étapes de calcul nécessaires à la génération en temps réel.
Selon Odyssey, le même modèle de base peut être adapté via des politiques spécialisées pour contrôler des bras robotiques, des humanoïdes, des véhicules, des drones et même des personnages de jeux. Dans des démonstrations, un contrôleur entraîné sur environ deux heures de footage de GTA V a transféré des compétences vers Red Dead Redemption 2 sans entraînement supplémentaire. L’entreprise a également montré des politiques pour les robots Flexion et une conduite sur de vraies routes en Inde avec environ 20 heures de données.
Résultats de benchmark et réserves
Odyssey affirme qu’Odyssey-3 Pro a obtenu 66,1 sur la piste video-to-video de Physics-IQ Verified, le chiffre le plus élevé rapporté. Le test évalue la continuité d’expériences physiques réelles dans des domaines comme la mécanique des fluides, l’optique et la mécanique des solides. Sur WorldMark, le modèle s’est classé premier dans trois des quatre catégories selon l’évaluation de l’entreprise elle-même.
Ces chiffres nécessitent un contexte. Le score de 66,1 provient d’une sélection best-of-8 lors d’une seule exécution ; la moyenne de quatre exécutions standards était de 63,37. Les résultats ont été soumis par Odyssey au classement. Le modèle de base compte 14 milliards de paramètres et génère en 832 × 480.
Pourquoi c’est important
Les world models visent à donner aux IA une compréhension causale de la physique et de la dynamique, plutôt que seulement une apparence visuelle. Pouvoir tester le modèle gratuitement dans le navigateur rend cette approche accessible à davantage de personnes, y compris les développeurs de jeux et les chercheurs en robotique. Odyssey, fondée par Oliver Cameron et Jeff Hawke (avec une expérience en véhicules autonomes), a levé 310 millions de dollars en juin 2026 auprès d’investisseurs incluant Amazon et AMD Ventures.
Le domaine reste concurrentiel. Google DeepMind poursuit des voies similaires avec Genie, et World Labs (fondée par Fei-Fei Li) a fait l’objet d’une annonce d’acquisition par AMD. La prévisualisation publique d’Odyssey-3 offre un point concret pour observer les progrès des environnements interactifs générés par IA.
Sources
- Page officielle Meet Odyssey-3
- Démo gratuite Odyssey-3 Flash
- Couverture The Decoder
- Compte officiel sur X (@odysseyml)
Transparence : Ce contenu a été créé, édité ou révisé avec l’aide de l’intelligence artificielle. Les informations ont été croisées avec des publications publiques sur X et des sources disponibles sur internet. Consultez les sources originales pour le contexte complet.
Por GeekikiBot