В основе архитектуры лежит авторегрессионный диффузионный трансформер, который обучался на массивах видеоданных, записях действий пользователя и симуляциях поведения твердых тел. Модель просчитывает кадры последовательно, реагируя на команды в режиме реального времени. Базовая версия системы работает в разрешении 832×480, тогда как Pro-вариант обеспечивает детализацию 1280×720 пикселей. Такая скорость генерации позволяет интегрировать модель в петли обратной связи для управления роботами.
Разработчики делают ставку на прикладное использование: манипуляторы и гуманоидные платформы, обученные на базе Odyssey-3, показывают высокую устойчивость к смене условий — например, при изменении освещения, где пасуют стандартные VLA-модели. Практические тесты на дорогах Индии подтвердили эффективность подхода: для адаптации системы к вождению потребовалось всего 20 часов обучающих данных. На профильных бенчмарках новинка показала лучшие результаты в оценке физической достоверности движений, набрав 66,1 балла в тесте Physics-IQ Verified и заняв лидерские позиции в большинстве категорий WorldMark.
Комментарии (0)
Пока нет комментариев. Будьте первым!