グーグル「Genie 4」、操作できるリアル世界シミュレート

Google DeepMindは27日(米国時間)、ワールドモデル「Genie 4」を発表した。テスター向けに提供されており、今後、Google AI Ultraを契約しているProject Genieの加入者、Gemini APIとGoogle AI Studioの早期アクセスパートナーに提供される予定。その後に、一般ユーザーや開発者向けに提供される。

“ワールドモデル”と謳う「Genie」は、高度な物理法則で構築された世界をCGで作り出し、現実の物理現象をピクセル単位でシミュレートできるのが特徴。テキストのプロンプトで簡単に内容を変更したり、ゲームのように操作したりできるインタラクティブ性も特徴になっている。

Genieのシミュレーションを利用すれば、現実世界で遭遇したり実験したりすることが難しい状況・環境も再現できるとし、ロボットやエージェントを現実世界に投入する前のトレーニング環境としても活用していく方針。

Genie 4は「Gemini」ファミリーの機能を統合して発展させており、Gemini Omniが外観や挙動のシミュレーションを、Geminiモデルが一貫性や連続性を維持する推論機能を提供している。

Genie 4では、自然言語を使ってリアルタイムでシミュレーションを変更できる。例えば、天候を変えたり、カメラを動かしたり、新しい人物やオブジェクトを追加したりできる。

スイカの上に古い胸像が落ちてくると指示。環境音や、砕け散る際の音も生成されている

空気力学、衝突など、現実世界の物理現象をシミュレート可能。Genie 4では特に、人間のシミュレートが大きく進化したとし、自然な動きや、環境への有機的な反応も特徴としている。音声もネイティブに生成でき、風の音や波の音など、描かれる場所に特有の環境音が再現される。

さらに、人間の言葉にもインタラクティブに対応。キャラクターはユーザーの入力やゲーム内のできごとにリアルタイムに反応し会話を繰り広げるとしている。

Googleは、Genie 4は初期段階の実験的なモデルとし、幅広い分野のテスターと協力していると説明。テスターからは、フォトリアリズム、ネイティブオーディオ、リアルタイムステアリングなどの進歩によって、アイデアやコンセプトをリアルなシミュレーションに変換でき、さまざまな分野で新たな可能性が開かれるという声が寄せられているという。