DeepMind Genie 2：创造无限可能的互动3D世界

DeepMind

Google旗下的DeepMind实验室最近发布了一款名为Genie 2的新AI模型，该模型能够生成看似视频游戏的互动3D场景。通过结合单一图像和文本描述（例如：“可爱的机器人在森林中”），Genie 2可以创建出具有高度真实感的互动环境，这些环境不仅看起来像AAA级视频游戏，而且用户还可以通过键盘或鼠标进行诸如跳跃和游泳之类的操作。

据DeepMind介绍，Genie 2可以生成多样化的丰富3D世界，包括模拟物体互动、动画效果、光照条件、物理特性、反射现象以及非玩家角色（NPC）的行为模式。值得注意的是，Genie 2可以从不同角度展示相同的虚拟世界，如第一人称视角或等距视图，最长可达一分钟，大多数情况下持续10到20秒。这使得模型能够智能响应用户的动作指令，识别并正确移动相应的对象，比如根据箭头键来控制机器人的移动，而不是树或云朵。

虽然Genie 2目前尚不具备长期保存游戏进度的功能，但其强大的能力使其成为研究和创意工具的理想选择。它可用于快速原型设计“互动体验”，或是评估AI代理在未曾见过的环境中表现的任务生成器。例如，艺术家的概念草图可以通过Genie 2转换成完全互动的环境，而研究人员则可以利用此功能迅速创建用于测试AI代理的不同场景。

随着AI技术的发展，像Genie 2这样的世界模型正逐渐成为AI领域的下一个重大突破点。为了进一步推进这一领域，DeepMind近年来吸引了多位行业顶尖人才加入，其中包括前OpenAI Sora项目的负责人Tim Brooks，以及以《NetHack》实验闻名的Tim Rocktäschel。