机器人前瞻（公众号：robot_pro）

编译 | 江宇

编辑 | 漠影

机器人前瞻4月21日消息，谷歌DeepMind迎来突破性进展，其世界构建AI模型Genie 2展现了在机器人训练领域的巨大潜力。

DeepMind CEO兼联合创始人Demis Hassabis向《60分钟》节目展示了这一创新技术，强调其在创建可交互3D环境及加速机器人学习方面的应用前景。

Genie 2能够从单一静态图像生成可探索的3D虚拟世界，为AI代理和机器人提供逼真的模拟环境。

在演示中，DeepMind研究科学家Jack Parker-Holder展示了一张加州瀑布顶部照片，Genie 2将其转化为类似第一人称视角的视频游戏场景。用户或AI代理可以在虚拟环境中自由移动，例如在瀑布顶部的水池周围行走，甚至探索原始图像中不存在的景观。

▲实机演示：Genie 2将加州瀑布顶部的照片转化为类似视频游戏场景

Hassabis表示，Genie 2的“世界模型”能够动态生成环境，模拟现实世界的物理特性。这种能力使其不仅适用于娱乐领域（如生成游戏和视频），更重要的是为AI和机器人提供高效的训练平台。

Hassabis强调，Genie 2的核心目标是构建理解现实世界的模型，为机器人训练提供低成本、高效率的解决方案。传统的机器人数据采集受限于现实世界的复杂性和高成本，数据量有限且收集速度慢。

而Genie 2的模拟环境可以生成近乎无限的数据量，允许机器人在虚拟世界中进行初步学习，随后通过少量现实世界数据进行微调。

在一个演示中，AI控制的骑士角色在一个由Genie 2生成的3D环境中自主完成任务，例如从三个门廊中选择正确路径并爬上楼梯。Hassabis指出，这种技术可以让机器人在模拟环境中学习复杂任务，如导航、物体交互和决策制定，从而大幅减少对现实世界数据的依赖。

▲实机演示：AI骑士角色在由Genie 2生成的3D环境中自主完成任务

Hassabis透露，DeepMind正在探索利用谷歌地图、谷歌地球和街景视图等地理数据，进一步增强AI的世界理解能力。这些数据可以为AI提供丰富的现实世界背景，帮助机器人更好地适应真实环境。

同时，Genie 2还能将静态图像（如街景或个人度假照片）转化为交互式3D场景，为机器人训练和用户体验开辟新可能性。

Hassabis还表示，未来版本的Genie模型将能够创建更多样化、复杂的虚拟世界，为机器人学习新技能、执行任务以及与人类和物体交互提供支持。这一技术不仅有望革新机器人开发，还可能在工业、医疗和探索等领域推动智能化应用的广泛普及。

来源：CBS NEWS