Odyssey 用《暗黑 2》实录训练世界模型 Agora-2

Odyssey 近日展示了其世界模型 Agora-2 的最新预览。该模型以经典游戏《暗黑破坏神 2》的实录画面为训练数据，配套的玩家操作输入与游戏内状态数据也被一并用于训练过程。据介绍，Agora-2 实际上由两个协同工作的模块组成：一个模块负责持续追踪地图上每位玩家的位置与行为状态，另一个模块则基于这些信息为每位玩家实时生成对应的视角画面。

双模块协作的视角生成

在 Odyssey 公开的预览演示中，多名人类玩家与一组 AI bot 共享同一张地图，AI 角色被训练为追踪并追击人类玩家。这种「人在回路」的可交互场景并非单纯的游戏 NPC，而是由 Agora-2 模型实时驱动的角色行为与画面渲染。换言之，Agora-2 试图把可玩游戏的世界本身建模为一个可重放、可交互的环境，而非仅仅生成静态视频。

• 模型 A：持续追踪每位玩家的位置、动作和游戏内状态。
• 模型 B：根据上述状态生成每位玩家视角下的画面。
• 演示形式：人类玩家与 AI bot 同图对抗，AI 主动追击人类。

应用方向与潜在场景

Odyssey 表示，类似 Agora-2 的交互式世界模型未来可以成为机器人与安全智能体的训练场。在这类仿真环境中，智能体可以在高度拟真、可重置且可重复的条件下练习导航、感知与决策，训练成本远低于真实世界试错。该方向与世界模型（World Model）、具身智能（Embodied AI）以及游戏化仿真训练的近年研究趋势一致。

信息有限，待官方补充

需要指出的是，目前 Odyssey 公开的信息仍十分有限，TestingCatalog 仅以推文形式转述了上述要点，尚未披露以下关键细节：

• 训练数据规模（录像时长、玩家数量）。
• 模型参数量、架构与训练算力。
• 推理延迟、画面分辨率与帧率。
• 与现有世界模型（如 Genie、GameNGen 等）的横向对比数据。

后续若 Odyssey 发布正式技术博客、论文或基准测试结果，Agora-2 在世界模型赛道的实际定位才能更清晰。

（正文基于 TestingCatalog 于 X 平台发布的内容整理，事实细节以 Odyssey 官方后续披露为准。）