Odyssey-3 โมเดลสร้างโลกเสมือนแบบโต้ตอบ เปิดให้ทดสอบฟรีแล้ว

ประเด็นสำคัญ

• Odyssey บริษัท AI จากแคลิฟอร์เนียเปิดทดสอบ Odyssey-3 โมเดลโลก (world model) ล่าสุดต่อสาธารณะ
• โมเดลนี้สามารถสร้างสภาพแวดล้อมที่ตอบสนองได้แบบเรียลไทม์ผ่านข้อความสั่งการ ช่วยให้ผู้ใช้สำรวจโลกเสมือนในมุมมองที่หลากหลาย
• นอกจากการสร้างโลกจำลองแล้ว Odyssey-3 ยังถูกออกแบบมาเพื่อควบคุมแขนกล โดรน และตัวละครในวิดีโอเกม

Odyssey บริษัท AI ในแคลิฟอร์เนียประกาศเปิดตัวการทดสอบงานวิจัยสาธารณะสำหรับ world model ในชื่อ Odyssey-3 โดยโมเดลนี้มีความสามารถในการจำลองกระบวนการทางฟิสิกส์และคาดการณ์ความเปลี่ยนแปลงของสภาพแวดล้อมตามการกระทำของผู้ใช้ ซึ่งเหล่านักพัฒนาสามารถยื่นขอเข้าถึง API ได้แล้วในขณะนี้

Oliver Cameron และ Jeff Hawke ผู้ร่วมก่อตั้ง ได้เผยโฉมโมเดลนี้ครั้งแรก เมื่อวันที่ 15 กันยายนที่ผ่านมา โดยมุ่งเน้นการประยุกต์ใช้ในด้านหุ่นยนต์ ระบบขับเคลื่อนอัตโนมัติ และวิดีโอเกม สิ่งที่เพิ่มมาล่าสุด คือการเปิดให้บุคคลทั่วไปเข้าถึง พร้อมรายละเอียดทางเทคนิคและผลการทดสอบประสิทธิภาพที่ชัดเจนยิ่งขึ้น

โลก AI ที่โต้ตอบได้ซึ่งคุณสามารถทดลองได้ทันที

สำหรับผู้ที่สนใจสามารถทดลองใช้งาน เดโมออนไลน์ฟรี ผ่านเวอร์ชัน Odyssey-3 Flash ซึ่งผู้ใช้สามารถป้อนคำบรรยายเพื่อสร้างโลกจำลอง และเลือกมุมมองแบบบุคคลที่หนึ่งหรือบุคคลที่สามเพื่อเคลื่อนที่ไปรอบๆ รวมถึงกระตุ้นเหตุการณ์ต่างๆ ให้โมเดลตอบสนองได้ทันทีแบบเรียลไทม์

กลไกเบื้องหลังของ Odyssey-3 พัฒนาขึ้นบนโครงสร้าง autoregressive diffusion transformer ที่ทำหน้าที่สร้างเฟรมวิดีโอใหม่อย่างต่อเนื่อง โดยวิเคราะห์จากเฟรมก่อนหน้าและการสั่งการของผู้ใช้ ข้อมูลจากผู้พัฒนาเผยว่าโมเดลได้เรียนรู้ความสัมพันธ์ทางฟิสิกส์และความเป็นเหตุเป็นผลจากการสังเกตด้วยภาพผ่านการฝึกฝน (training)

ข้อมูลที่ใช้ฝึกฝนโมเดลประกอบด้วยวิดีโอจากอินเทอร์เน็ตพร้อมคำอธิบาย เหตุการณ์ในวิดีโอเกมที่จับคู่กับการป้อนข้อมูลผ่านคีย์บอร์ดและเมาส์ รวมถึงการจำลองปฏิสัมพันธ์ทางกายภาพ ซึ่งเทคนิคการฝึกแบบพิเศษช่วยลดขั้นตอนการคำนวณ ทำให้สร้างผลลัพธ์ที่รวดเร็วระดับเรียลไทม์

โมเดลรุ่นพื้นฐานของ Odyssey-3 มีขนาดพารามิเตอร์ 1.4 หมื่นล้านตัว รองรับความละเอียดวิดีโอที่ 832 × 480 พิกเซล ตาม การส่งผลการทดสอบเกณฑ์มาตรฐานอย่างเป็นทางการ ในขณะที่รุ่น Odyssey-3 Pro จะรองรับความละเอียดสูงถึง 1280 × 720 พิกเซล

ข้ออ้างด้านเกณฑ์มาตรฐานฟิสิกส์ที่มาพร้อมกับข้อควรระวัง

ในรุ่น Odyssey-3 Pro บริษัทระบุว่าทำคะแนนได้ 66.1 ในการทดสอบ video-to-video จาก Physics-IQ Verified ซึ่งประเมินด้านกลศาสตร์ ทัศนศาสตร์ และอุณหพลศาสตร์ โดยโมเดลต้องคาดเดาสถานการณ์จากการทดลองจริงและเปรียบเทียบผลลัพธ์ที่เกิดขึ้น

อย่างไรก็ตาม คะแนนดังกล่าวมีข้อควรระวังคือเป็นผลจากการทดสอบเพียงครั้งเดียวโดยเลือกวิดีโอที่ดีที่สุด 1 ใน 8 ชุด ซึ่งยังไม่เป็นไปตามกฎของเกณฑ์มาตรฐานที่ต้องทดสอบ 4 รอบพร้อมรายงานค่าเบี่ยงเบนมาตรฐาน หากพิจารณาตามค่าเฉลี่ยปกติ Odyssey-3 Pro จะได้คะแนนอยู่ที่ 63.37 คะแนน ซึ่งผลลัพธ์ทั้งสองได้รับการบันทึกไว้ใน ตารางผู้นำอย่างเป็นทางการ จากการส่งข้อมูลโดยตัวบริษัทเอง

นอกจากนี้ ในเกณฑ์มาตรฐาน WorldMark Odyssey-3 ยังครองอันดับหนึ่งใน 3 จาก 4 หมวดหมู่ตาม การประเมินของตนเอง ได้แก่ First-Person Stylized (77.2), Third-Person Real (79.0) และ Third-Person Stylized (76.3) โดยเกณฑ์นี้เน้นทดสอบความแม่นยำตามคำสั่ง ความสวยงาม และความต่อเนื่องของโลกจำลอง

โมเดลเดียวสำหรับหุ่นยนต์ โดรน และ GTA V

Odyssey ตั้งเป้าให้โมเดลนี้เป็นหัวใจหลักในงานที่หลากหลาย ตั้งแต่การควบคุมแขนกลไปจนถึงการนำทางโดรน โดยจะจับคู่กับคอนโทรลเลอร์เฉพาะทางเพื่อเปลี่ยนการคาดการณ์ของ AI ให้เป็นคำสั่งทางกายภาพที่แม่นยำ

ในการทดสอบเบื้องต้น AI ที่ขับเคลื่อนด้วย Odyssey-3 สามารถควบคุมแขนกลได้หลายรูปแบบ โดยใช้ข้อมูลสาธิตเพียงไม่กี่สิบชั่วโมงในการฝึกฝน และมีความสามารถในการแก้ไขข้อผิดพลาดขณะหยิบจับวัตถุได้เอง ส่วนในด้านหุ่นยนต์ฮิวแมนนอยด์ Odyssey ได้ร่วมมือกับ Flexion บริษัทจากสวิตเซอร์แลนด์ เพื่อพัฒนาคอนโทรลเลอร์ที่มีความเสถียรสูงแม้ในสภาวะที่เปลี่ยนแปลง

สำหรับการใช้งานในด้านโดรนและวิดีโอเกม Odyssey ได้ฝึกฝน AI ในสภาพแวดล้อมจำลองจนสามารถบินหลบสิ่งกีดขวางได้ รวมถึงแสดงให้เห็นถึงความสามารถในการเล่นเกม GTA V ได้อย่างอิสระ ทั้งการขับขี่และการต่อสู้ โดยทักษะเหล่านี้ยังสามารถถ่ายโอนไปยังเกมอย่าง Red Dead Redemption 2 ได้โดยไม่ต้องฝึกฝนเพิ่มเติม

ในอนาคต Odyssey วางแผนจะใช้โมเดลโลกนี้เพื่อฝึกฝนตัวแทน AI (AI agents) ให้เรียนรู้จากการลองผิดลองถูกภายในโลกจำลอง ซึ่งถือเป็น กระบวนทัศน์การฝึกฝนใหม่สำหรับ AI เพื่อให้ AI พัฒนาตัวเองได้จากการลงมือทำจริง

การแข่งขันในสมรภูมิโมเดลโลก

Odyssey ก่อตั้งในปี 2023 และเพิ่ง ระดมทุนได้ 310 ล้านดอลลาร์ ในปี 2026 จากเหล่ายักษ์ใหญ่อย่าง Amazon และ AMD Ventures เพื่อเร่งพัฒนาเทคโนโลยีนี้แข่งกับคู่แข่งรายสำคัญอย่าง Genie 3 ของ Google DeepMind และ World Labs ของ Fei-Fei Li ที่เพิ่งมีข่าวว่า AMD เตรียมเข้าซื้อกิจการ ด้วยมูลค่าสูงถึง 8.2 พันล้านดอลลาร์