DeepMind 发布 Genie 2 模型 可生成互动 3D 游戏世界
12月5日，谷歌旗下的人工智能研究机构 DeepMind 本周发布了其全新的 Genie 2 模型，作为 Genie 模型的升级版，Genie 2 允许用户通过简单的文字描述和图片生成“无限”种类的可玩 3D 世界，进一步推动了人工智能在虚拟环境创作中的应用。
Genie 2 模型具备强大的生成能力，能够根据用户的文本提示和图像输入，实时生成高度交互式的三维场景。例如，用户只需输入“森林中的可爱人形机器人”，该模型便能构建出一个包含机器人角色和可探索环境的动态场景。用户可以通过键盘或鼠标操作机器人，在虚拟世界中进行跳跃、游泳等互动行为。
DeepMind 表示，Genie 2 不仅能够生成 3D 环境，还可以创建不同视角下的连贯世界，如第一人称视角或等距视角，生成的场景可以持续长达 一分钟，大多数场景则持续 10 到 20 秒。
与传统的虚拟世界生成模型不同，Genie 2 在图像质量和物理效果上取得了显著进步。生成的场景画质接近 AAA 级别 的电子游戏，特别是在物体交互、动画、光照、物理反射以及非玩家角色（NPC）的行为模拟方面表现出色。DeepMind 强调，Genie 2 在场景记忆和一致性方面表现优异，能够在场景中正确渲染不可见的部分，并在它们重新出现在视野范围内时精确渲染。
虽然市面上也有类似的世界模型，如 World Labs 和 Decart 的产品，但这些模型通常存在伪影、场景一致性不足和幻觉等问题。例如，Decart 的 Minecraft 模拟器 Oasis 在生成过程中存在分辨率低的问题，并且很快会“忘记”关卡布局。然而，Genie 2 可以有效避免这些问题，准确渲染远离视野的场景，保持环境的一致性和连贯性。
尽管 DeepMind 没有详细披露 Genie 2 的训练数据来源，但业内普遍猜测，这款模型可能依赖于大量热门游戏的游玩数据，尤其是 YouTube 上的视频内容。谷歌在使用其平台内容进行训练方面声称拥有相应的权限，这引发了外界关于是否涉及知识产权侵犯的讨论。
目前，利用 Genie 2 创建的游戏尚不够完整且互动性有限，通常每隔一分钟游戏进度会被重置。因此，DeepMind 目前将其定位为 研究与创意工具，主要应用于快速原型设计和 AI 智能体评估 等场景。DeepMind 表示，Genie 2 能够将概念艺术和手绘草图转化为完全互动的虚拟环境，为未来的任务场景评估提供有力支持。
