Odyssey lanza Odyssey-3: un modelo del mundo que enseña a los robots a partir de vídeo con decenas de horas de datos

Odyssey presentó el 15 de septiembre de 2026 Odyssey-3, un modelo del mundo que aprende física a partir de vídeo, y no a partir de miles de horas de demostraciones de una misma tarea. Tres semanas después, el 8 de octubre, la compañía abrió el research preview a todo el que quiera probarlo. La promesa principal: tras el preentrenamiento con un enorme volumen de vídeos, el modelo puede conectarse a un robot con brazos, ruedas o hélices y ajustarse a él con unas pocas decenas de horas de datos.

La idea: primero observar el mundo, después recibir un cuerpo

Lo habitual es entrenar al robot para una tarea concreta. Un operador pasa horas mostrando cómo coger un objeto, el sistema copia los movimientos y todo vuelve a empezar cuando cambian la pinza, la cámara o la propia plataforma. Odyssey propone un orden similar al desarrollo infantil. Un niño ve cientos de tazas caer y, sin libro de texto, sabe que lo duro choca contra lo duro y que el líquido se derrama. Del mismo modo, el modelo primero mira vídeo y construye una representación interna de cómo funciona el mundo. Solo después se le conectan las acciones de un dispositivo concreto.

Eso es un modelo del mundo: un sistema que predice cómo cambiará la escena y, con ello, permite al robot «ensayar» las consecuencias de una acción antes de ejecutarla. Odyssey-3 compite en este nicho junto a Genie de Google DeepMind, Cosmos de Nvidia y V-JEPA de Meta. La línea de trabajo es la misma, pero las arquitecturas y los objetivos de cada uno son distintos.

Qué se sabe del lanzamiento

La descripción disponible permite reconstruir el siguiente cuadro:

• anuncio de Odyssey-3: 15 de septiembre de 2026;
• research preview abierto: 8 de octubre de 2026;
• preentrenamiento: un conjunto de vídeos con el que el modelo aprende física básica sin estar atado a un solo robot;
• adaptación a un dispositivo concreto: unas pocas decenas de horas de datos, en lugar de miles de horas por tarea;
• plataformas declaradas: manipuladores, robots con ruedas y aparatos voladores;
• estado: preview de investigación, no un producto comercial.

Existe también un análisis de este lanzamiento en Habr. Su autor promete mostrar de dónde salen las cifras récord y dónde terminan los hechos y empieza el marketing. En la parte abierta del texto no aparecen los benchmarks, por lo que es pronto para valorar los récords declarados.

Dónde está la frontera entre la demo y la ingeniería

Aquí conviene ser prudente. Un modelo de vídeo sabe muy bien qué aspecto tiene una caída. Pero a partir de los píxeles no siempre se deducen la masa, la fricción y la fuerza de agarre, y son justo estas las que deciden si un manipulador sujeta una taza resbaladiza. La verosimilitud visual y la precisión física son propiedades distintas, y los modelos del mundo las confunden con regularidad en horizontes largos de predicción.

Por eso, cualquier lanzamiento de este tipo plantea una serie de preguntas que el fabricante debe responder. Si se trata de hardware real o de simulación. Cuántas ejecuciones hay en cada serie y cuánto se diferencian las tareas de las de entrenamiento. Con qué modelos base se compara y con qué datos se entrenaron. Qué significa «unas pocas decenas de horas»: tiempo de grabación neto o incluyendo selección y repeticiones. Mientras no haya respuestas, la cifra de decenas de horas sigue siendo un objetivo y no un resultado confirmado.

Qué deberían comprobar los equipos que construyen robots

El preview está abierto a todos, así que verificarlo sale barato. Un plan razonable sería este:

1. Tomar la propia plataforma y una o dos tareas que hoy requieren muchas demostraciones. 2. Grabar del orden de esas decenas de horas de datos y medir qué nivel de éxito se consigue. Compararlo con el pipeline actual. 3. Presentar objetos y condiciones fuera de la distribución de entrenamiento: otra iluminación, otro material, una forma desconocida. Es aquí donde se ve si el modelo ha asimilado la física o solo ha memorizado escenas. 4. Medir la latencia de inferencia y los requisitos de cómputo a bordo. Un modelo del mundo que no sigue el ritmo del bucle de control no sirve de nada en un robot.

Si se superan algunas de estas pruebas, el enfoque de preentrenamiento con vídeo se convertirá en una vía práctica para abaratar los datos en robótica. Si no, Odyssey-3 será una demostración vistosa más de los modelos del mundo.