Odyssey가 파운데이션 월드 모델 'Odyssey-3'를 연구 프리뷰로 공개했다. 공개일은 2026년 10월 8일(현지시간)이다.[1] 이 모델은 물리 세계에서 사물이 어떻게 움직이고 서로 어떻게 영향을 주는지 실시간으로 예측해 영상으로 만든다. 회사는 로봇과 자율주행 같은 피지컬 AI를 키우는 데 쓰도록 맞췄다고 밝혔다.[1]
LUCAS AI News 자체 제작
체험은 누구나 할 수 있다. Odyssey-3 Flash를 바탕으로 한 실시간 월드 모델을 플레이그라운드에서 무료로 쓸 수 있다.[1] Flash는 고속 변환 모델이고, 별도로 성능을 높인 Odyssey-3 Pro도 있다.[1] 정식 출시 전의 연구 프리뷰 단계다.[1]
성능 주장과 적용 사례
Odyssey-3 Pro는 Physics-IQ Verified 비디오 투 비디오 부문에서 66.1점을 받았고, 이 점수는 현재까지 보고된 최고 기록이라는 설명이 나왔다. 이미지 투 비디오 부문 점수는 54.7점이다.[1] 이 벤치마크는 유체역학을 포함해 광학, 고체역학, 자기학, 열역학 등 여러 분야의 실제 실험 영상을 쓴다. 모델이 만든 영상을 실험 결과와 견주어 이어질 상황을 얼마나 정확히 맞히는지 본다.[1]
WorldMark에서는 4개 평가 범주 중 3개에서 1위를 했다. 1위를 한 곳은 1인칭 스타일, 3인칭 실사, 3인칭 스타일 환경이다. 평가 항목은 가상 환경 품질, 제어 능력, 이전 상황 기억이다.[1]
적용 사례로는 휴머노이드 로봇 업체 Flexion의 제어 정책이 있다. 조명이 바뀌는 등 불리한 조건에서 종래의 시각언어행동(VLA) 방식 모델에 비해 작업을 안정적으로 해냈다고 한다. 인도 도로 주행 데이터로 학습시킨 자율주행 시뮬레이션에서는 경로 예측 정확도가 높게 나왔다고 한다. 두 사례 모두 구체적 수치는 없다.[1]
벤치마크 점수가 높아도 실제 로봇과 자율주행차의 어떤 작업에서나 잘 작동한다는 뜻은 아니므로, 도입하려는 쪽이 자기 시스템에서 따로 확인해야 한다.[1]
작동 방식과 학습 데이터
이용자가 직접 이동하거나 어떤 사건을 발생시키면, 모델은 익힌 물리 특성으로 구성한 가상 환경에서 그 결과를 곧바로 예측해 보여 준다. 시점은 1인칭과 3인칭 중에서 고르고, 카메라는 독립적으로 옮길 수 있다.[1] Odyssey는 공식 X 게시물에서 프롬프트만으로 상호작용 가능한 환경을 실시간 생성하며, 시각 관측 데이터에서 물리와 동역학, 인과관계의 표현을 익히는 새 월드 시뮬레이터라고 소개했다.[1]
뼈대는 여러 단계로 이뤄진 비디오 디퓨전 트랜스포머다. 앞선 관측과 행동을 넣으면 다음 상태를 내놓는 자기회귀 방식으로 학습하고, 이후 지식 증류를 거쳐 적은 생성 단계만으로 실시간 상호작용이 가능하게 했다.[1]
학습 자료는 세 갈래다. 시간대별로 사건을 표시한 인터넷 영상, 키보드와 마우스 입력이 함께 담긴 플레이 기록, 시뮬레이터로 생성한 강체 상호작용 데이터다.[1] 게임 쪽은 'GTA V'와 '레드 데드 리뎀션 2' 같은 작품의 플레이 영상과 입력 기록을 폭넓게 썼다.[1] 이렇게 익힌 이동 정책은 추가 학습 없이 다른 게임에서 말 타기, 오토바이 타기 같은 전이 능력을 보이기도 했다.[1] 회사는 물리적 정확도와 생성 비용 사이의 균형을 개선해, 같은 연산 예산으로 더 많은 시뮬레이션을 만들 수 있다고 설명했다.[1]
회사와 월드 모델 배경
Odyssey는 월드 모델에 집중하는 회사다. 올리버 캐머런과 제프 호크 등 창립자들은 자율주행과 로보틱스 분야의 베테랑이다.[1]
월드 모델은 영상 같은 관측 데이터로 배워 물리적 특성, 사물의 운동, 인과관계를 파악하고 이후 상황을 내다보는 AI다. 텍스트나 이미지 생성이 중심인 생성 AI와 달리 환경이 바뀌는 원리와 행동이 낳는 결과를 그려 내는 것이 목표다.[1] 회사는 가상 환경 속 물리 법칙의 작동을 검증하기 위해 물리적 정확도를 모델 개발의 핵심 목표로 삼았다.[1]
Odyssey 연구진은 Odyssey-3를 영상 생성 도구에 그치지 않고 AI가 현실의 물리와 인과를 스스로 배우고 적응하게 하는 차세대 월드 시뮬레이터라고 불렀다. 또 피지컬 AI의 한계를 넘어 실제 산업 현장에서 부딪히는 복잡한 과제를 푸는 에이전트의 토대가 될 것이라고 밝혔다.[1]