پرش به محتوای اصلی
اخبار هوش مصنوعی

Odyssey-3 چیست؟ مدل جهان فیزیکی

Odyssey-3 مدل جهان فیزیکی شرکت Odyssey است. با زبان ساده بفهمید world model چیست، خبر ۱۵ سپتامبر چه می‌گوید و چرا برای رباتیک مهم است.

۷ دقیقه مطالعه
اشتراک‌گذاری:
تصویر خبر واقعی برای: Odyssey-3 چیست؟ راهنمای کامل مدل جهان فیزیکی برای ربات و خودرو و پهپاد
تصویر خبر واقعی برای: Odyssey-3 چیست؟ راهنمای کامل مدل جهان فیزیکی برای ربات و خودرو و پهپاد
فهرست مطالب

Odyssey-3 (اودیسه ۳) یک «مدل جهان» (world model) پایه از شرکت Odyssey است. طبق ادعای سازنده‌اش، یک مدل واحد می‌تواند پایهٔ کنترل بازوی رباتیک، ربات انسان‌نما، خودرو، پهپاد و حتی بازی‌های ویدیویی باشد. Odyssey این مدل را در ۱۵ سپتامبر ۲۰۲۶ معرفی کرد. ادعای اصلی این است که چون مدل پیش‌تر از تماشای حجم عظیمی از تصاویر جهان، فیزیک و علت و معلول را یاد گرفته، برای هر کار جدید فقط به چند ساعت تا چند ده ساعت دادهٔ تمرینی نیاز دارد. شرکت می‌گوید مدل را طی چند هفتهٔ آینده به‌صورت عمومی عرضه می‌کند.

در ادامه اول ساده توضیح می‌دهیم «مدل جهان» چیست و چه فرقی با چت‌بات‌ها دارد. بعد سراغ نمونه‌هایی می‌رویم که Odyssey نشان داده و در آخر می‌گوییم کدام ادعاها را باید با احتیاط خواند.

زمینهٔ کوتاه: مدل جهان چیست؟

مدل‌های زبانی مثل ChatGPT یاد می‌گیرند کلمهٔ بعدی چه باشد. مدل جهان یاد می‌گیرد «لحظهٔ بعدی دنیا» چه شکلی است: اگر لیوان را هل بدهیم چه می‌شود، ماشین جلویی کجا می‌پیچد، یا توپ پس از برخورد به دیوار به کدام سمت برمی‌گردد. چنین مدلی در واقع یک شبیه‌ساز یادگرفته‌شده از واقعیت است.

اهمیتش برای رباتیک روشن است. امروز بیشتر ربات‌ها برای هر کار مشخص باید ساعت‌ها و گاهی هزاران ساعت نمایش (demonstration) ببینند. Odyssey این روش را «زور بازو» (brute-force) می‌داند. مقایسهٔ خودش این است: انسان در ۱۸ سالگی می‌تواند کار با یک ماشین سنگین را یاد بگیرد، چون از قبل حرکت اشیا، نیرو و خطر برخورد را از تجربهٔ کلی‌اش از جهان می‌شناسد.

Odyssey در سال ۲۰۲۳ توسط الیور کامرون و جف هاوک تأسیس شد. هر دو پیش‌تر روی خودروهای خودران و رباتیک کار کرده بودند. متا هم در حوزهٔ ساخت دنیاهای مجازی با هوش مصنوعی فعال است. نمونه‌اش را در Horizon Create و Studio ببینید.

Odyssey-3 دقیقاً چیست؟

طبق اعلام رسمی، Odyssey-3 یک ترنسفورمر دیفیوژن خودبازگشتی (autoregressive diffusion transformer) است. یعنی ویدیوی جهان را قدم‌به‌قدم پیش‌بینی می‌کند. این مدل روی مجموعهٔ بزرگی از مشاهده‌های تصویری از جهان آموزش دیده است.

روش کار ساده است. مدل پایه ثابت می‌ماند و یک بخش کوچک به نام رمزگشای عمل (action decoder) روی آن آموزش داده می‌شود. این بخش یاد می‌گیرد فهم درونی مدل را به فرمان‌های یک دستگاه مشخص، مثل حرکت بازو یا فرمان خودرو، تبدیل کند. برای همین مقدار دادهٔ لازم برای هر دستگاه کم است.

Odyssey-3 چه کارهایی را نشان داده است؟

بازوی رباتیک

با فقط چند ده ساعت نمایش، مدل یاد گرفته کارهایی مثل ریختن غلات در کاسه، گذاشتن اشیا در جعبه، بستن در جعبه یا تمیز کردن بشقاب را انجام دهد. Odyssey می‌گوید رفتارهای «جبرانی» هم دیده که در داده‌های آموزشی نبوده‌اند؛ مثلاً اصلاح زاویهٔ گیره پس از یک گرفتن ناموفق. این شرکت برای ارزیابی گسترده‌تر روی ربات‌ها و محیط‌های مختلف با شرکت Poke & Wiggle همکاری می‌کند.

ربات انسان‌نما

شرکت Flexion روی پایهٔ Odyssey-3 سیاست‌های کنترل ربات انسان‌نما ساخته است. طبق ارزیابی Odyssey، این سیاست‌ها با چند ده ساعت دادهٔ کنترل از راه دور، در برابر تغییر نور محیط بهتر از مدل‌های پایهٔ VLA آزمایش‌شده عمل کرده‌اند.

رانندگی خودران

با فقط ۲۰ ساعت دادهٔ رانندگی شبیه‌سازی‌شده، مدل در خیابان‌های هند در حلقهٔ بسته رانندگی کرده است. نکتهٔ مهم: روی جاده‌های واقعی، سیاستی که فقط با شبیه‌سازی آموزش دیده بود، به‌طور میانگین حدود ۷۷٪ مسافتی را طی کرد که سیاست آموزش‌دیده با ویدیوی واقعی بین دو مداخلهٔ رانندهٔ ایمنی طی می‌کرد. یعنی هنوز پایین‌تر است، اما فاصله کم است.

پهپاد

با چند ده ساعت دادهٔ پرواز شبیه‌سازی‌شده، سیاستی ساخته شده که در یک محیط داخلی شبیه‌سازی‌شده پرواز پایدار داشته و از موانع دوری کرده است.

بازی ویدیویی

Odyssey جلسه‌های طولانی بازی در GTA V را نشان داده است. جالب‌تر اینکه سیاستی که با حدود دو ساعت ویدیوی GTA آموزش دیده بود، بدون آموزش اضافه در Red Dead Redemption 2 اسب‌سواری کرد و در Sleeping Dogs موتورسواری. این یعنی نشانه‌هایی از انتقال مهارت بین محیط‌ها دیده می‌شود.

آموزش هوش‌های مصنوعی دیگر

Odyssey-3 می‌تواند محیط‌هایی بسازد که عامل‌های هوش مصنوعی در آن تمرین کنند. پروژهٔ PROWL شرکت روی همین ایده کار می‌کند: عامل‌ها ضعف‌های مدل جهان را پیدا می‌کنند و مدل جهان هم تجربهٔ تمرینی بهتری برای عامل‌ها می‌سازد. Odyssey می‌گوید این دنیاهای شبیه‌سازی‌شده جای امنی برای کشف رفتارهای خطرناک عامل‌ها پیش از رسیدن به دنیای واقعی هم هستند. اهمیت این موضوع را بعد از ماجرای عامل‌های سرکش OpenAI و Hugging Face بهتر می‌شود فهمید. نمونهٔ دیگری از فرار یک عامل از محیط آزمایشی را هم در خروج عامل اوپن‌ای‌آی از سندباکس با DNS نوشته‌ایم.

جدول خلاصه: Odyssey-3 در هر حوزه

حوزه

دادهٔ تمرینی اعلام‌شده

نتیجهٔ گزارش‌شده

بازوی رباتیک

چند ده ساعت نمایش

انجام کارهای چندمرحله‌ای و رفتار جبرانی

ربات انسان‌نما (با Flexion)

چند ده ساعت کنترل از راه دور

مقاومت بهتر از VLAهای آزمایش‌شده در برابر تغییر نور

رانندگی

۲۰ ساعت دادهٔ شبیه‌سازی‌شده

حدود ۷۷٪ مسافت سیاست واقعی بین دو مداخله

پهپاد

چند ده ساعت دادهٔ شبیه‌سازی‌شده

پرواز پایدار و دوری از مانع در شبیه‌سازی

بازی ویدیویی

حدود دو ساعت ویدیوی GTA برای حرکت

انتقال به RDR2 و Sleeping Dogs بدون آموزش اضافه

ادعاها را چطور بخوانیم؟

  • بیشتر نتایج را خود Odyssey گزارش کرده و ارزیابی مستقل گسترده‌ای هنوز منتشر نشده. خود شرکت هم می‌گوید باید دید این توانایی‌ها روی ربات‌ها و محیط‌های مختلف چقدر پایدار می‌مانند.

  • بخشی از نتایج در شبیه‌سازی است، مثل پهپاد. فاصلهٔ شبیه‌سازی تا دنیای واقعی در رباتیک همیشه چالش بوده است.

  • مدل‌های جهان هنوز کوچک‌اند. Odyssey خودش می‌گوید مدل‌های جهان پیشرو تقریباً دو مرتبهٔ بزرگی (حدود صد برابر) از مدل‌های زبانی کوچک‌ترند و برای همین هنوز به پتانسیل کامل نرسیده‌اند.

با این حال، اگر این رویکرد جواب بدهد، ساختن ربات برای کاری تازه می‌تواند به‌جای ماه‌ها جمع‌آوری داده، با چند ساعت داده ممکن شود. این برای کارهای خطرناک، کمک به سالمندان و افراد دارای معلولیت و حتی آزمایش‌های علمی اهمیت زیادی دارد.

گوگل دیپ‌مایند هم در مدل‌های جهان جلو می‌رود؛ Genie 4 دنیاهای تعاملی با صدا و گفت‌وگو می‌سازد که با متن کنترل می‌شوند.

سؤال‌های پرتکرار

Odyssey-3 چیست؟

یک مدل جهان پایه از شرکت Odyssey که در ۱۵ سپتامبر ۲۰۲۶ معرفی شد و به گفتهٔ سازنده، می‌تواند پایهٔ کنترل ربات، خودرو، پهپاد و بازی ویدیویی باشد.

مدل جهان با مدل زبانی چه فرقی دارد؟

مدل زبانی کلمهٔ بعدی را پیش‌بینی می‌کند. مدل جهان پیش‌بینی می‌کند دنیا در لحظهٔ بعد چه شکلی می‌شود و از این راه فیزیک و علت و معلول را یاد می‌گیرد.

آیا می‌توان همین حالا از Odyssey-3 استفاده کرد؟

Odyssey گفته مدل را طی چند هفتهٔ آینده به‌صورت عمومی منتشر می‌کند. جزئیات قیمت و شرایط دسترسی هنوز اعلام نشده است.

Odyssey-3 برای هر کار جدید چقدر داده لازم دارد؟

طبق نمونه‌های شرکت، از حدود دو ساعت (برای حرکت در بازی) تا ۲۰ ساعت (رانندگی) و چند ده ساعت (بازوی رباتیک و ربات انسان‌نما).

آیا نتایج Odyssey-3 مستقل تأیید شده‌اند؟

هنوز نه به‌طور گسترده. بیشتر عددها گزارش خود شرکت یا شرکای آن هستند و Odyssey برای ارزیابی بیشتر با Poke & Wiggle همکاری می‌کند.

منابع

برچسب‌ها:هوش مصنوعییادگیری ماشینهوش مصنوعی مولد
اشتراک‌گذاری:

مطالب مرتبط

عضویت در خبرنامه

آخرین اخبار هوش مصنوعی و فناوری را در ایمیل خود دریافت کنید.

پس از عضویت یک ایمیل تأیید برایتان ارسال می‌شود. هر زمان می‌توانید اشتراک خود را لغو کنید و ایمیل شما برای هدفی جز ارسال خبرنامه استفاده نمی‌شود. جزئیات در صفحه حریم خصوصی آمده است.