外观
新闻TechCrunch今天
Google Genie 4世界模型发布：支持实时交互与机器人仿真验证
本文由 AI 根据公开内容整理，可能有误，请以原文为准：Google’s Genie 4 world model adds audio, more realistic worlds, and real-time steering（TechCrunch：AI（RSS）（via AIHOT））
核心内容
Google DeepMind正式发布世界模型Genie 4研究预览版，相比前代Genie 3，该模型在物理真实性与交互性上实现显著跃升。核心指标包括场景一致性维持时间翻倍至2分钟，并新增实时音频生成能力（含音乐、环境音及对话）。系统支持在模拟过程中通过提示词动态修改天气、视角或增减物体，且物理规律与人物动作更符合真实逻辑，目前仅面向可信测试者开放体验。
技术架构上，Genie 4深度集成Gemini模型作为“导演”进行帧级检查与步骤规划。在Gemini Robotics关联实验中，Gemini 4 Argon将任务拆解后由Genie 4实时仿真，验证了“混合世界模型”在机器人Sim-to-Real流程中的可行性。尽管官方指出长时运行仍存在物体漂移、文本可读性及音频精度等工程缺陷，但该方案确立了利用生成式世界模型进行具身策略预训练与场景原型验证的技术路径。
关键看点
- 实时交互编辑：支持模拟中途通过Prompt动态调整天气、视角及增删物体，场景一致性时长提升至2分钟
- 多模态音频同步：原生生成与画面匹配的音乐、环境噪点及交互式对话，解决纯视觉世界模型感知缺失问题
- 机器人仿真验证：Gemini 4 Argon负责任务规划，Genie 4执行实时渲染，构建混合世界模型验证闭环
- 当前工程局限：长时仿真存在细节漂移，世界内文本可读性与音频准确性尚未完全解决，仍处研究预览阶段
工程与产业观察
Genie 4标志着世界模型从被动视频生成转向主动可交互仿真，其与Gemini Robotics的结合为具身智能提供了低成本、高并发的Synthetic Data生成与策略验证基础设施。尽管存在漂移等工程短板，但“LLM规划+世界模型仿真”的混合架构已成为解决真机数据稀缺的关键技术方向，值得算法团队关注其在Sim-to-Real迁移中的实际表现。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。