Google 改善 AI 世界模型 Genie 3 的一致性

🔑 增強重點摘要

• •Genie 3 是首個即時互動通用世界模型，能以 720p 解析度、24 幀每秒生成數分鐘互動 3D 環境[1][2]。
• •模型具備約一分鐘視覺記憶，支援提示觸發世界事件變化，並從訓練中湧現物理理解而非硬編碼[2][4]。
• •DeepMind 定位 Genie 3 為 AGI 關鍵步驟，用於訓練具身代理模擬真實情境[1][2][4]。
• •目前處於研究預覽階段，限制包括動作空間有限及長時一致性挑戰[4]。
• •支援多樣世界類型，如寫實景觀、奇幻場景及歷史重構[3]。

🛠️ 技術深入

• •採用自回歸生成架構，每幀依據先前軌跡及使用者輸入即時產生，需每秒多次計算以維持即時互動[1][4]。
• •視覺記憶延伸至一分鐘前，確保長時一致性，優於 NeRFs 或 Gaussian Splatting 等需明確 3D 表示的方法[1][3]。
• •物理一致性為訓練湧現能力，非依賴硬編碼物理引擎，從數據學習重力及碰撞等規律[4]。
• •輸入為文字提示，輸出動態 3D 環境，支援導航及代理目標達成[1][2]。
• •生成持續數分鐘，超越 Genie 2 的 10-20 秒限制[2][3]。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線