Google Genie 3 da vida a tu mundo 3D con IA

El 5 de agosto de 2025, Google DeepMind lanzó la última versión de su modelo Genie, conocido como Genie 3. Es un nuevo modelo de IA que puede convertir las indicaciones de texto de un usuario en entornos dinámicos e interactivos.

Estos entornos, o mundos de IA, permiten al usuario desplazarse por ellos e interactuar en tiempo real, como en un videojuego. Los usuarios también pueden ampliar o modificar el entorno proporcionando indicaciones de texto adicionales, lo que permite realizar cambios sobre la marcha sin reiniciar la simulación.

Lo que hace especialmente relevante al último modelo Genie de Google es que puede utilizarse para entrenar agentes de IA. Esto implica enseñar a los agentes de IA a tomar decisiones o realizar tareas utilizando datos y comentarios. Al utilizar un entorno 3D simulado en lugar del mundo real, los investigadores pueden evitar muchos de los desafíos, costes y riesgos del entrenamiento en el mundo real.

Google Genie 3 también puede simular escenarios complejos, como probar un coche autónomo circulando con condiciones meteorológicas adversas o a una persona con wingsuit planeando por un terreno montañoso.

En este artículo, exploraremos Google Genie 3 y sus capacidades. ¡Empecemos!

Fig. 1. Imagen de una simulación de Genie 3 en la que se muestra a una persona con wingsuit planeando. (Fuente)

Breve historia de los modelos Genie de Google#

Antes de profundizar en los modelos Genie de Google DeepMind, entendamos mejor qué son los modelos del mundo.

Los modelos del mundo son sistemas de IA que aprenden reglas del mundo real, como la física, el movimiento y las relaciones espaciales, a partir de texto, imágenes, vídeos y datasets de movimiento. Esto les permite crear escenas realistas y predecir cómo evolucionan. Los modelos Genie son ejemplos de este tipo de sistemas.

Este es un breve vistazo a los primeros modelos Genie de Google que allanaron el camino para Genie 3:

• Genie 1: Genie 1, al que a menudo se hace referencia simplemente como Google Genie, fue el primer modelo del mundo basado en IA de Google DeepMind capaz de crear entornos virtuales interactivos. Los usuarios podían describir un mundo con texto, imágenes, fotografías o incluso bocetos, y Genie lo generaba, permitiéndoles controlar las acciones dentro de la escena. Se diseñó para procesar datos de vídeo a lo largo del tiempo, predecir el siguiente fotograma y traducir las entradas del usuario en acciones dentro del mundo.

• Genie 2: A partir de las capacidades de Google Genie, Genie 2 podía crear una amplia variedad de mundos 3D detallados e interactivos. Como modelo del mundo, simulaba entornos virtuales y respondía de forma realista a acciones como saltar, nadar o mover objetos. Entrenado con una enorme colección de vídeos, ofrecía interacciones realistas entre objetos y movimientos de personajes naturales.

¿Qué es Genie 3? El nuevo modelo de IA de Google#

A partir de los modelos Genie anteriores, Genie 3 es el modelo más reciente y avanzado de la serie. Se basa especialmente en Genie 2, que podía generar nuevos entornos virtuales, y en Veo 3, el último modelo de generación de vídeo de Google DeepMind. Veo 3 demuestra una profunda comprensión de la física y de cómo interactúan los objetos en el mundo real.

Mientras que Veo 3 utiliza un motor de física codificado de forma explícita, Google Genie 3 aprende por sí mismo cómo funciona la física mediante un método conocido como aprendizaje autosupervisado. Es una técnica de aprendizaje de IA en la que un modelo de IA aprende patrones y relaciones a partir de datos sin etiquetar mediante la generación de sus propias señales de aprendizaje.

La capacidad de aprendizaje autosupervisado de Google Genie 3 es crucial para entrenar sistemas de IA, como agentes de IA o robots de IA, para realizar diversas tareas. De hecho, los investigadores de Google DeepMind consideran Genie 3 un paso importante hacia la creación de la Inteligencia Artificial General (AGI).

Fig. 2. Ejemplo del uso de Google Genie 3 para simular el control de un vehículo todoterreno robótico. (Fuente)

La AGI es una forma teórica de IA que puede comprender y aprender cualquier tarea o tema, y aplicar esos conocimientos en distintas situaciones, de forma similar a una persona. A diferencia de los modelos actuales de inteligencia artificial, que se crean para tareas específicas y tienen dificultades para transferir sus habilidades a problemas nuevos, la AGI podría adaptarse y aprender en una amplia variedad de contextos.

Funciones principales de Google Genie 3 relacionadas con la creación de un mundo de IA#

Estas son algunas de las funciones principales compatibles con Genie 3:

• Generación de mundos 3D a partir de texto: Puede convertir una indicación de texto sencilla (por ejemplo, «un robot caminando por la calle») en un entorno similar a un 3D jugable con controles de movimiento básicos.

• Eventos del mundo controlables mediante indicaciones: Los usuarios pueden cambiar dinámicamente el entorno escribiendo nuevos comandos (por ejemplo, añadir lluvia a la calle).

• Memoria visual: Genie 3 puede recordar los objetos que se han dejado en el entorno y permitirte volver a visitarlos más tarde, durante aproximadamente un minuto.

• Salida de vídeo fluida y coherente: Puede mantener una salida de vídeo de 24 fps (fotogramas por segundo) con una resolución de 720p, con interacciones más prolongadas que Genie 2.

Fig. 3. Google Genie 3 puede generar salidas que duran más que las producidas por Genie 2. (Fuente)

De la educación a los videojuegos: aplicaciones de Genie 3 de Google DeepMind#

Google Genie 3 puede hacer que el aprendizaje, la investigación y el entrenamiento sean más inmersivos y atractivos. Por ejemplo, en las aulas puede dar vida a la historia, la ciencia o la geografía permitiendo a los estudiantes explorar ciudades antiguas o viajar por el espacio. Del mismo modo, para los desarrolladores de inteligencia artificial, ofrece mundos virtuales realistas donde practicar estrategias, superar desafíos y mejorar las habilidades de toma de decisiones.

Los científicos también pueden utilizarlo para crear simulaciones controladas con las que probar ideas, estudiar ecosistemas u observar el comportamiento de los objetos. Otra aplicación interesante es el desarrollo de videojuegos. Los desarrolladores de videojuegos pueden convertir indicaciones de texto en mundos de juego detallados, acelerando el desarrollo y reduciendo la necesidad de contar con equipos grandes.

Fig. 4. Con Genie 3 se pueden diseñar videojuegos divertidos, llenos de color e interactivos. (Fuente)

Limitaciones de Google Genie 3 como modelo del mundo#

Aunque Google Genie 3 ofrece muchas funciones y ventajas, también es importante tener en cuenta sus inconvenientes.

Estas son algunas limitaciones que debes tener en cuenta:

• Rango de acciones limitado: Aunque puedes activar muchos eventos en el mundo virtual, no todos los ejecuta el propio agente. Las acciones que un agente puede realizar directamente siguen siendo limitadas.

• Interacción con otros agentes: La creación de interacciones realistas entre varios agentes independientes en el mismo entorno sigue en desarrollo.

• Precisión respecto al mundo real: Google Genie 3 todavía no puede recrear ubicaciones del mundo real con una precisión geográfica perfecta.

Conclusiones clave#

Google Genie 3 representa un avance significativo en la creación de mundos 3D realistas e interactivos con IA. Puede dar vida a ideas a partir de simples indicaciones de texto, simular la física e incluso entrenar sistemas de IA en espacios virtuales seguros.

Aunque todavía tiene limitaciones, abre muchas posibilidades para la investigación, los videojuegos y el desarrollo de IA. También es un paso crucial hacia sistemas de AGI que puedan pensar y aprender de forma más parecida a las personas.

Consulta nuestro repositorio de GitHub para descubrir más sobre la IA. Únete a nuestra activa comunidad y descubre innovaciones en sectores como la IA en el comercio minorista y la IA de visión en la industria manufacturera. Para empezar hoy mismo con la visión por ordenador, consulta nuestras opciones de licencia.