刚刚谷歌 DeepMind 宣布推出第三代通用的世界模型 Genie 3 ，可以生成前所未有的多样化交互式环境，给出文本提示，Genie 3 可以生成动态世界，可以以每秒 24 帧的速度实时导航，并以 720p 的分辨率保持几分钟的一致性
Genie 3将首先以有限研究预览的形式，向一小部分学者和创作者开放 Genie 3，以收集关键反馈
DeepMind 在模拟环境领域已有十余年的深厚积累。从训练能玩转即时战略游戏的 AI，到为机器人开发开放式学习环境，这些研究都指向了一个共同的目标：构建强大的世界模型。
与前代模型（如 Genie 1/2）和视频生成模型（如 Veo 2，Veo 3对直觉物理学的深刻理解）相比，Genie 3 是第一个允许实时交互的世界模型，同时与 Genie 2 相比，其一致性和真实感也得到了提升
模拟世界的物理特性：Genie 3 对物理规律有深刻理解，能逼真地模拟水流、光影变化以及复杂的环境互动，例如直升机在悬崖瀑布边小心翼翼地机动
模拟自然世界：从冰川湖畔充满生机的生态系统，到幻想世界中可爱的毛茸茸生物在彩虹桥上跳跃，Genie 3 能将想象力转化为可探索的现实
探索不同地域与历史场景：模型能超越地理和时间的限制，带领用户探索不同地点和历史时代，无论是身穿翼装飞越雪山，还是置身于历史悠久的古城
突破实时性能的极限：实现高度的可控性和实时交互性，在每一帧的自回归生成过程中，模型必须考虑先前生成的随时间增长的轨迹。例如，如果用户在一分钟后重新访问某个位置，则模型必须引用一分钟前的相关信息。为了实现实时交互性，这种计算必须每秒进行多次，以响应新用户输入的到来
长时程环境一致性：为了让人工智能生成的世界身临其境，它们必须在很长一段时间内保持物理上的一致性。然而，自动回归生成环境通常比生成整个视频更难的技术问题，因为不准确之处往往会随着时间的推移而累积，Genie 3 环境在几分钟内基本保持一致，视觉记忆可以追溯到一分钟前，Genie 3 生成的世界更加动态和丰富，因为它们是根据用户的世界描述和作逐帧创建的
可提示的世界事件 (Promptable World Events)：除了导航输入之外，Genie 3 还支持一种更具表现力的基于文本的交互形式，称之为可提示的世界事件 。可提示的世界事件可以改变生成的世界，例如改变天气条件或引入新的物体和角色，从而增强导航控制的体验，这种能力还增加了反事实或“假设”场景的广度，代理可以使用这些场景从经验中学习来处理意外情况
Genie 3 的终极目标之一是为具身智能体（Embodied Agent）提供一个无限丰富的训练场。DeepMind 已将其与通用智能体 SIMA进行结合测试。研究人员可以为 SIMA 设定一个目标（如在面包房里找到工业搅拌机），SIMA 则通过向 Genie 3 发送导航指令来尝试完成任务。Genie 3 像一个真正的世界一样，根据 SIMA 的行为实时反馈结果，从而让智能体在海量的what if场景中学习和成长
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
央行等三部门发布新规：境外汇款5000元以上须核实身份，反洗钱监管再升级
教育部长期纵容校园霸凌和暴力！又再次引发欺凌，打人者嚣张喊“又不是没进去过”
玩偶姐姐（HongKongDoll）自爆收入：10792453.99美元
红米Turbo5 Pro再次被确认：8000mAh+超声波指纹，旗舰级性能！
一加15再次被确认：小方矩阵Deco+1.5K直屏，或重塑手机新形象！
《编码物候》展览开幕 北京时代美术馆以科学艺术解读数字与生物交织的宇宙节律