外观
新闻雷峰网今天
DeepMind发布Genie 4世界模型，联合Gemini实现机器人任务级闭环控制
Google DeepMind发布Genie 4世界模型，结合Gemini 3.8 Flash与Argon构建“生成-规划”双系统。Apollo机器人在模拟中完成动态跳棋任务，验证了实时指令注入、因果核验及异步协作机制，推动世界模型从场景生成迈向具身训练基础设施。
Apptronik Apollo本文由 AI 根据公开内容整理，可能有误，请以原文为准：拉爆游戏引擎？深度拆解 Genie 4，从视频生成到世界控制，Google 要跨越什么？（雷峰网）
核心内容
Google DeepMind正式发布新一代世界模型Genie 4，核心突破在于支持持续运行中的动态任务干预。该系统与Gemini 3.8 Flash及Gemini 4 Argon组合，在模拟环境中驱动Apptronik Apollo人形机器人执行跳棋等复杂任务。不同于前代仅依赖历史画面生成，Genie 4允许Agent在执行过程中通过Interleaved Text Captions交错注入新指令，实时改变环境演化路径，同时保持棋盘状态与机械臂动作的物理连续性，标志着世界模型从被动渲染转向主动的任务级控制反馈循环。
技术架构上，Genie 4面临动态条件约束、因果幻觉规避与异构模型异步协同三大挑战。系统需解决语言指令对局部视觉Token的精准映射，防止高层语义绑架物理常识；引入事件级状态管理与反事实干预测试，以区分视觉连贯性与真实物理结果。针对生成与推理的时间尺度差异，采用分层记忆与指令时效校验机制协调高频环境演化与低频任务规划。尽管DeepMind未公开具体网络结构，但该混合架构为缓解具身智能训练数据匮乏提供了新的仿真范式。
关键看点
- 动态条件注入：通过Interleaved Text Captions机制在任务执行中实时插入文本指令，使环境生成随Agent规划动态调整而非预设序列
- 因果幻觉风险：揭示生成式环境易受目标语义误导产生虚假成功反馈，需引入独立规则检查器或动力学引擎进行物理一致性核验
- 异步协作机制：采用双时间尺度设计分离高频视觉生成与低频任务推理，通过指令时效校验与事件队列解决跨模态延迟对齐问题
- 混合架构演进：提出Hybrid World Models路径，由代码模型处理离散逻辑与结构化状态，生成模型负责连续视听模拟以支撑策略迁移
工程与产业观察
Genie 4将世界模型从视频生成工具升级为具身智能的“绝境模拟器”，其核心价值在于构建了包含动态干预与因果核验的训练闭环。对于算法工程师而言，解决生成环境中的物理一致性与异步调度问题是Sim-to-Real迁移的关键；该进展表明，高质量合成数据正从静态场景复现转向支持长时序、多轮交互的策略验证，有望显著降低真机试错成本。
来源
本页事实对应的公开页面，以原文为准。
- 雷峰网：拉爆游戏引擎？深度拆解 Genie 4，从视频生成到世界控制，Google 要跨越什么？访问 2026-10-30