Google DeepMind发布Genie 4研究预览，可根据文字指令实时生成可交互环境、物理过程和同步声音，并与Gemini Robotics研究结合构建机器人仿真场景。
Google DeepMind发布实验性世界模型Genie 4。该模型可根据文字提示实时生成可交互的模拟环境，并同步生成音乐、环境音和对话。
Genie 4基于Gemini系列模型能力，支持通过自然语言改变天气、摄像机位置、角色和物体，也可模拟空气动力学、碰撞和人类动作。
DeepMind正尝试将Genie 4、Gemini 4 Argon与Gemini Robotics结合。在演示中，Argon把任务分解为步骤，Genie 4则生成Apptronik Apollo人形机器人执行桌面游戏的实时仿真。
Genie 4目前仍存在长时间一致性、物体永久性、复杂物理交互和空间精度等局限。相关视音频将嵌入SynthID水印，首先向可信测试者和部分Google AI用户提供研究预览。
相关图像与媒体
