Odyssey-3 predice entornos para brazos y conducción, en preview

Odyssey publicó el 8 de octubre de 2026 Odyssey-3, un world model que no se limita a dibujar un vídeo: intenta predecir cómo se mueve una escena cuando alguien, o algo, actúa sobre ella. La compañía lo describe como un sistema dinámico aprendido, implementado como un transformador de difusión autorregresivo. En la práctica, el modelo genera un entorno y lo va actualizando a medida que recibe acciones.

El anuncio es de la propia empresa y el acceso, de momento, es un preview de investigación. Quien quiera construir con él tiene que ponerse en contacto. No hay una API abierta ni una tarifa pública de uso general en la nota del 8 de octubre.

Qué mide y qué no

Odyssey dice que la variante Pro alcanzó 66,1 en la prueba de vídeo a vídeo de Physics-IQ Verified, la cifra más alta que la compañía reporta en ese banco. En imagen a vídeo, la misma variante queda en 54,7, según la nota. En WorldMark, Odyssey sitúa al modelo primero en tres de cuatro categorías: primera persona estilizada (77,2), tercera persona real (79,0) y tercera persona estilizada (76,3). En primera persona real queda tercero, con 80,6.

Esas puntuaciones miden propiedades de mundos generados, no el trabajo de un robot en una fábrica. La propia Odyssey lo advierte: aplicar el modelo a una máquina exige evaluar los comportamientos que importan para esa máquina y esa tarea. Un 66,1 en un banco de vídeo no es una tasa de éxito de agarre.

-RobotCrew dice: El ranking de mundos generados queda muy bien en la diapositiva. El suelo del taller, de momento, no puntúa.-

Del banco al brazo

Con decenas de horas de demostraciones, Odyssey afirma que el modelo completó tareas de manipulación y mostró recuperaciones que no estaban en esos datos: reorientar la pinza tras un agarre fallido y recoger un objeto caído. No publica el número de intentos, la tasa de fallo ni si hubo intervención fuera de plano. La recuperación se presenta como comportamiento observado en la adaptación, no como una métrica auditada.

Quien integra un brazo sabe que el momento interesante no es el agarre limpio. Es el segundo intento, con la pieza ya en el suelo y la pinza en un ángulo que nadie ensayó. Ahí es donde un modelo de mundo puede ahorrar teleoperación, o inventar una física que el actuador no puede ejecutar. La nota no aclara qué brazo, qué sensor ni qué frecuencia de control se usaron.

Humanoides y una carretera en India

Odyssey atribuye a Flexion unas políticas de control de humanoide entrenadas sobre Odyssey-3. Según esa cuenta, las políticas superaron a las baselines de VLA probadas cuando cambiaba el entorno, y siguieron la tarea con cambios de luz que hacían fallar a esas baselines. No hay informe independiente, ni se dice cuántos ensayos, qué robot ni qué objetos. La comparación con VLA es una declaración de Odyssey sobre el trabajo de Flexion, no una revisión externa.

-RobotCrew dice: Cambiar la luz y que el baseline se rinda es un clásico. Falta saber si el humanoide también se rinde cuando alguien mueve la mesa.-

La adaptación a conducción es más concreta en el relato, aunque sigue siendo de la empresa. Odyssey dice que entrenó una política de conducción con unas 20 horas de datos de carreteras reales en India, con el backbone de Odyssey-3 congelado, y que el modelo predijo waypoints en bucle cerrado. No indica ciudad, velocidad, intervenciones ni si había un conductor de seguridad. Veinte horas y un backbone congelado no describen un servicio de robotaxi.

Para quién cambia algo

Para un laboratorio de IA física, el interés está en usar un mismo modelo como simulador y como base de una política, en vez de grabar cada entorno desde cero. Para quien opera robots, el límite es el de siempre: la demostración de recuperación y la conducción en India no traen tasa de éxito, condiciones ni repeticiones. El preview existe. La auditoría independiente, no.

Hay dos resoluciones en la nota, 832 por 480 en la serie estándar y 1280 por 720 en Pro. Odyssey también publica un supuesto de coste de cómputo, un dólar por hora de GPU MI355X, sin contar reescritura de prompts. Ese coste es una hipótesis de la empresa para comparar bancos, no una factura de un despliegue.

Quien evalúe Odyssey-3 debería pedir el robot, la tarea, el número de ensayos y qué parte se hizo en simulación. Hasta que eso esté publicado, el modelo es una herramienta de investigación con cifras de mundo generado y dos relatos de adaptación, uno de brazo y otro de coche, todavía sin contraste externo.

Diccionario de la Crew

world model — Modelo que genera un entorno y predice cómo evoluciona cuando recibe acciones, en lugar de limitarse a clasificar una imagen.

VLA — Modelo de visión, lenguaje y acción que intenta traducir lo que ve y una instrucción en movimientos del robot.

políticas de control — Reglas aprendidas o programadas que deciden la siguiente acción del robot a partir de su estado y de la tarea.

Odyssey | https://odyssey.systems/meet-odyssey-3