谷歌发最强“世界模型”Genie 2，OpenAI抢风头，要连办12天发布会

133 0 0

文章摘要

Google DeepMind 最新发布了新一代大规模基础世界模型 Genie 2，该模型能够从单张图像生成一个高度多样化、逻辑严谨且连贯一致的 3D 世界，并支持长达一分钟的持续互动。Genie 2 相较于上一代 Genie 模型，在交互时长和复杂性上都有显著提升，能够模拟虚拟世界中多种行为结果，如跳跃、游泳等，并展现出物体交互、复杂角色动画、物理效果等能力。用户可以通过文本描述和渲染效果选择来创建全新的虚拟世界，并与其中的角色和环境进行互动。

Genie 2 的设计目的在于为通用智能体提供无限多样的动态场景，用于训练和评估，推动机器人技术和虚拟助手等领域的发展。对于艺术家和设计师而言，Genie 2 可以将概念艺术和草图转化为完全可交互的虚拟环境，提升创意流程的效率。在智能体训练方面，Genie 2 能够生成丰富多样的虚拟环境，包括智能体从未见过的新任务场景，为智能体的任务执行和环境适应能力提供重要的测试场景。

Genie 2 是一个自回归的潜在扩散模型，基于大量视频数据训练，通过自动编码器将视频帧转换为潜在帧，然后传递给大规模Transformer动态模型进行预测。在推理阶段，Genie 2 可以逐帧生成画面，并根据之前的动作和画面来决定接下来的内容。

与此同时，OpenAI 宣布将开启12天活动，每个工作日都会进行一场直播，带来发布会或演示，内容涵盖重磅发布和一些小彩蛋。这引发了业界对接下来可能发布的 AI 新品的广泛猜测和期待。