Google Genie 3 借助 AI 让你的 3D 世界栩栩如生

2025 年 8 月 5 日，Google DeepMind 发布了 Genie 模型的最新版本 Genie 3。这是一种新型 AI 模型，可以将用户的文本提示转换为动态交互式环境。

这些环境或 AI 世界让用户能够像在电子游戏中一样实时浏览和与其互动。用户还可以通过提供额外的文本提示来扩展或修改环境，从而随时进行更改，无需重新启动模拟。

最新的 Genie Google 模型尤其重要的一点是，它可以用于训练 AI 智能体。这需要教会 AI 智能体利用数据和反馈做出决策或执行任务。通过使用模拟的 3D 环境而非真实世界，研究人员可以避开现实训练中的许多挑战、成本和风险。

Google Genie 3 还可以模拟复杂场景，例如测试自动驾驶汽车在恶劣天气中行驶，或翼装飞行者在山地地形中滑翔。

本文将介绍 Google Genie 3 及其功能。

图 1. Genie 3 模拟中翼装飞行者滑翔的画面。(来源)

Google Genie 模型简史#

在了解 Google DeepMind 的 Genie 模型之前，先理解什么是世界模型会有所帮助。

世界模型是 AI 系统，它们从文本、图像、视频和运动数据集中学习物理、运动和空间关系等现实世界规律。这使它们能够生成逼真的场景，并预测场景如何演变。Genie 模型就是这类系统的例子。

以下快速介绍为 Genie 3 铺平道路的早期 Google Genie 模型：

• Genie 1： Genie 1 通常简称为 Google Genie，是 Google DeepMind 首个能够创建交互式虚拟环境的 AI 世界模型。用户可以用文本、图像、照片甚至草图描述一个世界，Genie 会生成这个世界，让用户能够控制场景中的动作。它旨在处理随时间变化的视频数据、预测下一帧，并将用户输入转化为世界中的动作。
• Genie 2： 在 Google Genie 功能的基础上，Genie 2 可以创建各种细节丰富的交互式 3D 世界。作为一种世界模型，它能够模拟虚拟环境，并对跳跃、游泳或移动物体等动作做出逼真的响应。它在大量视频数据上训练，具备逼真的物体交互和生动的角色动作。

什么是 Genie 3？Google 的新 AI 模型#

在早期 Genie 模型的基础上，Genie 3 是该系列最新、最先进的模型。它尤其吸收了 Genie 2 和 Google DeepMind 最新视频生成模型 Veo 3 的能力。Veo 3 展现出对物理规律以及物体在现实世界中如何交互的深入理解。

Google Genie 3 通过一种称为自监督学习的方法自我学习物理规律。这是一种 AI 学习技术，AI 模型通过生成自己的学习信号，从未标注的数据中学习模式和关系。

Google Genie 3 的自监督学习能力对于训练 AI 系统至关重要，例如 AI 智能体或 AI 机器人，以便它们执行各种任务。事实上，Google DeepMind 的研究人员认为，Genie 3 是迈向创建通用人工智能（AGI）的重要一步。

图 2. 使用 Google Genie 3 模拟控制机器人漫游车的示例。(来源)

AGI 是一种理论上的 AI，能够像人类一样理解和学习任何任务或主题，并将所学知识应用于不同情境。如今的人工智能模型与 AGI 不同，它们针对特定任务构建，难以将技能迁移到新问题上；而 AGI 能够适应各种情境，并在其中广泛学习。

Google Genie 3 在构建 AI 世界方面的主要功能#

以下是 Genie 3 支持的一些主要功能：

• 文本生成 3D 世界： 它可以将简单的文本提示（例如“机器人沿着街道行走”）转化为可玩、类似 3D 的环境，并提供基本的移动控制。
• 可通过提示触发世界事件： 用户可以输入新命令（例如“让街道下雨”），动态更改环境。
• 视觉记忆： Genie 3 可以记住环境中遗留的物体，让你之后重新查看，记忆时长约为一分钟。
• 流畅且稳定的视频输出： 它可以保持 720p 分辨率、24 fps（每秒帧数）的视频输出，并且支持比 Genie 2 更长时间的交互。

图 3. Google Genie 3 可以生成比 Genie 2 持续时间更长的内容。(来源)

从教育到游戏：Google DeepMind 的 Genie 3 的应用#

Google Genie 3 可以让学习、研究和训练更加沉浸、更有吸引力。例如，在课堂上，它可以让学生探索古城或遨游太空，让历史、科学或地理知识栩栩如生。同样，对于人工智能开发者，它提供逼真的虚拟世界，可用于练习策略、应对挑战和提升决策能力。

科学家还可以用它创建受控模拟，以测试想法、研究生态系统或观察物体的行为。另一个有趣的应用领域是视频游戏开发。游戏开发者可以将文本提示转化为细节丰富的游戏世界，加快开发速度并减少对大型团队的需求。

图 4. 可以使用 Genie 3 设计有趣、缤纷且交互式的游戏。(来源)

Google Genie 3 作为世界模型的局限#

Google Genie 3 提供了许多功能和优势，但也需要考虑它的缺点。

以下是需要考虑的一些局限：

• 动作范围有限： 虽然你可以在虚拟世界中触发许多事件，但并非所有事件都由智能体自己执行。智能体能够直接执行的动作仍然有限。
• 与其他智能体交互： 在同一环境中实现多个独立智能体之间逼真的交互，目前仍在开发中。
• 现实世界还原精度： Google Genie 3 目前还无法以完全精确的地理细节重现现实世界中的地点。

要点#

Google Genie 3 在利用 AI 创建逼真、交互式 3D 世界方面取得了重大进展。它可以根据简单的文本提示将想法变为现实、模拟物理规律，甚至在安全的虚拟空间中训练 AI 系统。

虽然它仍有局限，但为研究、游戏和 AI 开发开辟了许多可能性。它也是迈向能够以更接近人类的方式思考和学习的 AGI 系统的重要一步。

访问我们的 GitHub 代码库，深入了解 AI。加入活跃的社区，了解零售业中的 AI和制造业中的视觉 AI等领域的创新。立即开始使用计算机视觉，请查看我们的许可选项。