外观
新闻X今天
Google DeepMind发布Genie 4世界模型，Gemini驱动实时交互仿真
本文由 AI 根据公开内容整理，可能有误，请以原文为准：Introducing Genie 4 from @GoogleDeepMind, our most realistic and interactive world model yet 🌍（X：Google AI (@GoogleAI)（via AIHOT））
核心内容
Google DeepMind正式发布新一代世界模型Genie 4，定位为当前最逼真且可交互的仿真引擎。该模型支持用户通过自然语言指令实时操控虚拟世界状态，包括改变天气、移动镜头及动态添加环境元素。其核心突破在于将Gemini大模型作为仿真系统的“大脑”，负责语义解析、动作转换及复杂事件链规划，并随剧情发展动态调整模拟逻辑，同时集成了环境音效生成与具备实时适应能力的互动人物对话功能。
在技术架构上，Genie 4采用多模态生成范式，由Gemini承担高层认知与任务编排，底层渲染与物理模拟则响应其结构化指令。系统实现了从文本意图到视听反馈的端到端闭环，支持非预设脚本的动态交互。新增的环境音生成模块与对话式NPC增强了仿真的沉浸感与数据多样性，使其不仅可用于游戏或视频生成，更可作为具身智能体在开放世界中训练感知、规划与人机交互策略的高保真合成数据源。
关键看点
- Gemini驱动仿真：以大模型为中枢解析自然语言指令，实时转换为环境动作并规划复杂事件序列
- 动态环境控制：支持运行时修改天气、视角及场景元素，无需预渲染即可响应用户交互意图
- 多模态反馈增强：集成实时环境音生成与自适应NPC对话，提升仿真环境的感官保真度与交互连续性
- 具身训练适配：提供高保真、可编程的合成世界，适用于机器人策略学习与泛化能力验证
工程与产业观察
Genie 4标志着世界模型从被动生成迈向主动可控仿真，其Gemini驱动的语义-动作映射机制为具身智能提供了可扩展的合成训练场。该架构验证了大模型作为仿真控制器的可行性，对降低真实数据采集成本、加速Sim-to-Real迁移具有工程参考价值，尤其适合需要长时序交互与多模态反馈的机器人任务预训练。
线索来源：AIHOT
来源
本页事实对应的公开页面，以原文为准。