Por Canuto  

Odyssey asegura que su modelo Odyssey-3 puede operar brazos robóticos, humanoides, autos y drones, además de generar entornos para agentes y jugar videojuegos. La empresa respalda sus avances con pruebas propias y referencias externas, aunque varias de sus afirmaciones aún corresponden a una vista previa de investigación.
***

  • Odyssey-3 integra demostraciones en seis áreas, desde tareas robóticas hasta conducción en carreteras reales de India.
  • La empresa reporta una puntuación de 66,1 en Physics-IQ Verified y el primer puesto en tres categorías de WorldMark.
  • Odyssey recaudó USD $310 millones en junio, con una valoración de USD $1.450 millones, en una carrera donde también compiten Nvidia y otros laboratorios.

 

Odyssey presentó Odyssey-3, un modelo de mundo que, según la empresa, puede ayudar a máquinas a interpretar escenas y ejecutar acciones en distintos entornos. La compañía, un laboratorio de inteligencia artificial con sede en Palo Alto, afirma que el sistema puede controlar brazos robóticos y humanoides, conducir un automóvil, pilotar drones y también jugar videojuegos; una vista previa de investigación ya está disponible.

La propuesta se apoya en modelos que aprenden a partir de grandes cantidades de datos visuales para anticipar cómo puede cambiar una escena, incluso cuando intervienen las acciones de una máquina. Odyssey plantea que su sistema ofrece a las máquinas una comprensión general del entorno antes de que aprendan una tarea concreta, una capacidad que la empresa presenta como un paso hacia una inteligencia común para distintos usos.

Oliver Cameron, cofundador de Odyssey, describió el lanzamiento como un avance hacia una inteligencia capaz de entender y operar en el mundo que nos rodea. Esa formulación resume la ambición del proyecto, pero no equivale por sí sola a demostrar que un único modelo pueda manejar cualquier tarea de forma fiable fuera de las pruebas presentadas por la compañía, detalla TNW.

La diferencia importa porque las demostraciones combinan desafíos muy diversos: manipular objetos, responder a cambios en el entorno y controlar vehículos. En lugar de presentar Odyssey-3 como una solución limitada a una sola máquina, la empresa destaca que la misma base puede trasladarse entre varias actividades; la solidez de esa promesa dependerá de cómo se comporte en tareas nuevas y en condiciones que no formaron parte de su entrenamiento.

Qué muestran las pruebas y qué límites tienen

Odyssey afirma que la versión Odyssey-3 Pro obtuvo 66,1 puntos en Physics-IQ Verified, la puntuación más alta reportada en esa clasificación. El proyecto del benchmark está publicado por Google DeepMind y evalúa la comprensión física de modelos generativos de video; la prueba pide a los modelos que continúen videos de experimentos físicos reales para medir si pueden anticipar cambios en escenas regidas por fenómenos físicos.

La cifra debe leerse junto con el método utilizado: el resultado corresponde al mejor de ocho intentos por tarea. Esa selección permite comparar el mejor desempeño observado, pero no informa por sí sola cuán consistente fue el modelo entre intentos; la clasificación también incluye sistemas de Nvidia y Black Forest Labs, de acuerdo con la información difundida por Odyssey.

La empresa también comunicó que su modelo ocupó el primer lugar en tres de las cuatro categorías de WorldMark. A diferencia de Physics-IQ Verified, ese resultado proviene de una evaluación propia de Odyssey, de modo que conviene distinguirlo de la referencia externa y considerar quién diseñó la medición al valorar la comparación.

Las pruebas de continuación de video y las evaluaciones internas no son intercambiables con una garantía de desempeño en el mundo real. Sí ofrecen señales sobre el tipo de capacidades que el laboratorio busca medir, pero la información disponible no detalla resultados completos por tarea, tasas de error ni comparaciones independientes en cada una de las seis áreas que mostró la empresa.

Del agarre robótico a las carreteras de India

Odyssey presentó el modelo en seis ámbitos, con tareas de brazos robóticos como una de sus primeras demostraciones. La compañía dice que lo entrenó con decenas de horas de demostraciones y que el sistema pudo recuperarse de fallos que no aparecían en esos ejemplos, incluido un intento fallido de agarre.

Ese comportamiento es relevante para la robótica porque una máquina que solo repite una secuencia demostrada puede quedar bloqueada cuando algo sale distinto a lo esperado. La afirmación de Odyssey apunta a una capacidad de adaptación, aunque la empresa no proporcionó en la información divulgada un número de ensayos exitosos ni una medición independiente que permita cuantificar cuánto mejora frente a otras políticas de control.

La compañía de robots humanoides Flexion construyó políticas de control sobre Odyssey-3 y, según Odyssey, estas respondieron a cambios de iluminación que hicieron fallar a las líneas de base probadas. El caso sugiere que el sistema puede servir como base para controlar un humanoide en condiciones visuales variables, pero la comparación se refiere a las líneas de base incluidas en la prueba y no permite extrapolar el resultado a todos los robots o situaciones.

En conducción, la startup dijo que puso un automóvil en carreteras reales de India con una política entrenada usando unas 20 horas de datos. La demostración amplía el alcance de Odyssey-3 más allá del laboratorio, aunque la información divulgada no especifica recorridos, duración de las pruebas, intervención humana ni desempeño ante situaciones de tráfico distintas; por eso, la afirmación debe entenderse dentro de los límites de los datos comunicados.

Una plataforma para más máquinas y entornos

Odyssey también mostró Odyssey-3 guiando drones en interiores, una aplicación en la que el modelo debe interpretar el espacio y orientar el movimiento del aparato. La presentación no incluyó métricas detalladas sobre precisión, autonomía o tasa de incidentes, por lo que el valor principal del ejemplo está en ilustrar la variedad de tareas que la empresa intenta reunir bajo una misma arquitectura.

Otra de las seis áreas consiste en generar entornos para entrenar agentes de inteligencia artificial. En ese uso, el modelo no opera necesariamente un dispositivo físico: produce escenarios que pueden servir para que un agente practique antes de abordar una tarea, un enfoque que conecta la predicción de escenas con el desarrollo de sistemas capaces de tomar decisiones.

El videojuego Grand Theft Auto V completa las demostraciones mencionadas por la compañía. Odyssey no detalló en la información presentada qué objetivos alcanzó el modelo dentro del juego ni cómo midió su rendimiento, pero incluirlo muestra que la empresa busca probar la misma tecnología en un entorno virtual además de máquinas y espacios físicos.

La variedad de ejemplos ayuda a entender por qué Odyssey habla de un modelo de mundo general, en vez de presentar un sistema diseñado para una sola actividad. Al mismo tiempo, cada aplicación exige capacidades distintas: un agarre depende de la manipulación de objetos, mientras que conducir o pilotar un dron requiere interpretar cambios continuos en el entorno; demostrar varias tareas no establece automáticamente el mismo nivel de fiabilidad en todas.

Financiación y competencia por los modelos de mundo

Odyssey fue fundada por veteranos de los vehículos autónomos y recaudó USD $310 millones en junio, con una valoración de USD $1.450 millones. Entre sus inversores figuran Amazon y AMD Ventures, una financiación que sitúa a la empresa entre los proyectos que buscan convertir los modelos de mundo en una tecnología aplicable a máquinas y agentes de inteligencia artificial.

La carrera incluye a otros actores con proyectos relacionados, aunque sus estrategias no necesariamente son idénticas. El mes anterior a la publicación de la noticia, AMD acordó comprar World Labs, la startup de Fei-Fei Li, por USD $8.200 millones en acciones; la operación refleja el interés empresarial en capacidades para modelar y generar entornos, pero no demuestra por sí misma resultados técnicos comparables con Odyssey-3.

También se informó en septiembre que Emulate, fundada por exinvestigadores de modelos de mundo de DeepMind, conversaba para recaudar USD $700 millones. Nvidia, por su parte, ofrece sus modelos de mundo Cosmos como herramientas de código abierto, una alternativa que amplía el conjunto de opciones disponible para quienes desarrollan sistemas de IA vinculados con entornos físicos o simulados.

Con Odyssey-3, el laboratorio intenta diferenciarse mediante la promesa de reutilizar una comprensión general del entorno entre robots, vehículos y espacios virtuales. Por ahora, la empresa ha dado a conocer una vista previa de investigación, resultados de una referencia externa y una evaluación propia; las pruebas independientes y los detalles adicionales sobre cada tarea serán importantes para determinar si esa amplitud se traduce en un sistema confiable más allá de las demostraciones.

Imagen original de DiarioBitcoin, creada con inteligencia artificial, de uso libre, licenciada bajo Dominio Público.

Este artículo fue escrito por un redactor de contenido de IA y revisado por un editor humano para garantizar calidad y precisión.


ADVERTENCIA: DiarioBitcoin ofrece contenido informativo y educativo sobre diversos temas, incluyendo criptomonedas, IA, tecnología y regulaciones. No brindamos asesoramiento financiero. Las inversiones en criptoactivos son de alto riesgo y pueden no ser adecuadas para todos. Investigue, consulte a un experto y verifique la legislación aplicable antes de invertir. Podría perder todo su capital.

Suscríbete a nuestro boletín

Artículos Relacionados