Google Genie 3 用 AI 让你的 3D 世界栩栩如生

2025 年 8 月 5 日，Google DeepMind 发布了其 Genie 模型的最新版本，即 Genie 3。这是一个全新的 AI 模型，可以将用户的文本提示转换为动态的交互式环境。

这些环境（或称 AI 世界）让用户能够像在电子游戏中一样实时导航并与之交互。用户还可以通过提供额外的文本提示来扩展或修改环境，从而实现无需重启模拟即可进行的即时更改。

最新款的 Genie Google 模型之所以具有特别强大的影响力，是因为它可以用来训练 AI 智能体。这涉及使用数据和反馈来教导AI 智能体做出决策或执行任务。通过使用模拟的 3D 环境而不是真实世界，研究人员可以避开现实世界训练中的许多挑战、成本和风险。

Google Genie 3 还可以模拟复杂的场景，例如测试自动驾驶汽车在恶劣天气中行驶，或者翼装飞行员在山地地形中滑翔。

在本文中，我们将探索 Google Genie 3 及其功能。让我们开始吧！

图 1. 显示翼装飞行员滑翔的 Genie 3 模拟画面。(来源)

Google Genie 模型简史#

在深入探讨 Google DeepMind 的 Genie 模型之前，让我们更好地理解什么是世界模型。

世界模型是能够从文本、图像、视频和运动数据集中学习现实世界规则（如物理、运动和空间关系）的 AI 系统。这使它们能够创建逼真的场景并预测它们如何演变。Genie 模型就是这类系统的典型代表。

以下是为 Genie 3 铺平道路的早期 Google Genie 模型概览：

• 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、照片甚至草图来描述一个世界，Genie 就会生成它，并让他们控制场景内的动作。它旨在处理随时间变化的视频数据、预测下一帧，并将用户的输入转化为世界内的动作。

• Genie 2： 在 Google Genie 的能力基础上，Genie 2 可以创建多种细节丰富的交互式 3D 世界。作为一种世界模型，它能模拟虚拟环境，并对跳跃、游泳或移动物体等动作做出逼真反应。它通过海量视频集进行训练，具有逼真的物体交互和栩栩如生的人物动作。

什么是 Genie 3？Google 的新 AI 模型#

在早期 Genie 模型的基础上，Genie 3 是该系列中最新、最先进的版本。它特别借鉴了能够生成新虚拟环境的 Genie 2，以及 Google DeepMind 最新的视频生成模型 Veo 3。Veo 3 展现了对物理学以及现实世界中物体如何交互的深刻理解。

虽然 Veo 3 使用了硬编码的物理引擎，但 Google Genie 3 采用了一种称为自监督学习的方法来自学物理运作原理。这是一种AI 学习技术，即 AI 模型通过生成自己的学习信号，从未标记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（如 AI 智能体或 AI 机器人）来处理各种任务至关重要。事实上，Google DeepMind 的研究人员将 Genie 3 视为迈向实现通用人工智能 (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 形式，它能够理解和学习任何任务或主题，并将这些知识应用到不同情况中，就像人类一样。与当今为特定任务构建且难以将技能迁移到新问题的 AI 模型不同，AGI 将能够在广泛的背景下进行适应和学习。

Google Genie 3 构建 AI 世界的关键功能#

以下是 Genie 3 支持的一些关键功能：

• 文本转 3D 世界生成： 它能将简单的文本提示（例如“一个机器人在街上行走”）转化为带有基本移动控制的可玩类 3D 环境。

• 可提示的世界事件： 用户可以通过输入新命令动态改变环境（例如：在街道上添加雨天效果）。

• 视觉记忆： Genie 3 可以记住留在环境中的物体，并让你稍后重新访问它们，记忆时长约为一分钟。

• **流畅且持续的视频输出：**它能够在 720p 分辨率下保持每秒 24 帧的fps (frames per second) 视频输出，并且与 Genie 2 相比具有更长的交互时长。

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

从教育到游戏：Google DeepMind Genie 3 的应用#

Google Genie 3 可以让学习、研究和训练变得更加沉浸和引人入胜。例如，在课堂上，它可以让学生探索古代城市或在太空中穿梭，从而使历史、科学或地理知识变得生动。同样，对于人工智能开发者来说，它提供了逼真的虚拟世界来练习策略、应对挑战并提高决策能力。

科学家还可以使用它来创建受控的模拟环境，以测试想法、研究生态系统或观察物体的行为。另一个有趣的用例是在视频游戏开发中。游戏开发者可以将文本提示转化为详细的游戏世界，从而加速开发并减少对大型团队的需求。

图 4. 使用 Genie 3 可以设计出有趣、色彩斑斓且具有交互性的游戏。(来源)

Google Genie 3 作为世界模型的局限性#

虽然 Google Genie 3 提供了许多功能和优势，但也必须考虑其不足之处。

以下是一些需要考虑的限制：

• 有限的动作范围： 虽然你可以触发虚拟世界中的许多事件，但并非所有事件都由智能体本身执行。智能体可以直接执行的动作仍然有限。

• 与其他智能体交互： 在同一环境中创建多个独立智能体之间的逼真交互仍在开发中。

• 现实世界准确性： Google Genie 3 尚无法以完美的地理精度重建现实世界地点。

关键要点#

Google Genie 3 代表了使用 AI 创建逼真、交互式 3D 世界的重大进步。它能够通过简单的文本提示将想法变为现实、模拟物理定律，甚至在安全的虚拟空间中训练 AI 系统。

虽然它仍有局限性，但它为研究、游戏和 AI 开发开辟了许多可能性。它也是迈向能像人类一样思考和学习的 AGI 系统的关键一步。

查看我们的 GitHub 仓库以了解有关 AI 的更多信息。加入我们的活跃社区，发现零售行业中的 AI 以及制造领域的视觉 AI 等行业的创新成果。若想立即开始使用计算机视觉，请查看我们的授权选项。