Google DeepMind stellt Genie 4 vor, ein Weltmodell für interaktive 3D-Welten
Google DeepMind hat Genie 4 präsentiert, ein Echtzeit-Weltmodell, das interaktive 3D-Welten mit Ton und sprechenden Figuren simuliert. Gemini-Modelle planen im Hintergrund, um die Simulation konsistent zu halten. Das System ist noch ein frühes Forschungsmodell, bei längeren Sitzungen treten visuelle Inkonsistenzen auf.
Google DeepMind hat mit Genie 4 ein neues Weltmodell vorgestellt, das interaktive dreidimensionale Umgebungen in Echtzeit simuliert. Nach Angaben des Unternehmens erzeugt das System nicht nur Bilder, sondern auch Ton und sprechende Figuren, so dass Nutzer sich in den generierten Welten bewegen und mit ihnen interagieren können.
Im Hintergrund unterstützen Gemini-Modelle die Simulation. Sie übernehmen eine Art Planungsaufgabe, damit die Welt über die Zeit hinweg stimmig bleibt und sich Objekte, Figuren und Abläufe nicht willkürlich verändern. Die Kombination aus einem Weltmodell und einem Sprachmodell als Planer steht im Zentrum des Ansatzes.
Genie 4 ist allerdings noch ein frühes Forschungsmodell. Wie aus den vorliegenden Informationen hervorgeht, führen längere Sitzungen zu visuellen Inkonsistenzen. Die Simulation verliert also mit zunehmender Dauer an Stabilität, ein Problem, das Entwickler solcher Systeme seit Längerem beschäftigt.
Die Vorstellung knüpft an eine Reihe früherer Arbeiten an, in denen Agenten lernen, in simulierten Umgebungen zu handeln. Der Bericht, auf dem diese Meldung beruht, stellt dabei heraus, dass Agentendesigns, die lange vor den heutigen großen Sprachmodellen entwickelt wurden, in neuer Form wieder aufgegriffen werden. Genie 4 kombiniert diese älteren Ideen mit der Planungsfähigkeit moderner Modelle.
Für die Technologiebranche ist die Entwicklung von Weltmodellen von wachsendem Interesse, weil sie als Trainingsumgebung für Agenten dienen können, die sich in physischen oder virtuellen Räumen zurechtfinden sollen. Ob Genie 4 diese Erwartungen erfüllt, muss sich jedoch erst zeigen, vor allem daran, wie zuverlässig die Simulation über längere Zeiträume bleibt.
9
