Google DeepMind ra mắt Genie 4: Bước tiến mới trong thử nghiệm robot trong thế giới tương tác ảo

Google DeepMind vừa chính thức giới thiệu Genie 4 dưới dạng bản thử nghiệm nghiên cứu giới hạn (limited research preview). Đây được xem là một bước tiến quan trọng trong lĩnh vực mô hình thế giới tương tác (interactive world models), giúp mô phỏng môi trường vật lý để kiểm thử trí tuệ nhân tạo và các hệ thống robot.

Ra mắt vào ngày 27 tháng 10, Genie 4 được phát triển dựa trên thế hệ tiền nhiệm Genie 3, bổ sung khả năng xử lý âm thanh và hội thoại tích hợp sẵn (native audio and dialogue), cơ chế vật lý chân thực hơn cùng chuyển động của con người mượt mà hơn. Khác với các công cụ tạo video truyền thống vốn chỉ tạo ra các đoạn phim tĩnh từ văn bản, Genie 4 dựng nên các môi trường động có khả năng tương tác theo từng khung hình, cho phép người dùng và các hệ thống tự hành liên tục thay đổi không gian xung quanh ngay trong quá trình mô phỏng diễn ra.

Can thiệp môi trường theo thời gian thực

Genie 4 cho phép người dùng điều chỉnh các môi trường mô phỏng ngay lập tức thông qua các câu lệnh bằng ngôn ngữ tự nhiên. Kỹ thuật viên có thể thay đổi điều kiện thời tiết, thêm bớt vật thể hoặc nhân vật, và điều chỉnh góc quay camera theo thời gian thực.

Các nhà nghiên cứu có thể tận dụng những tính năng này để quan sát cách các hiện tượng mô phỏng — như lũ quét hay cháy rừng — diễn biến một cách linh hoạt. Nền tảng này cũng cung cấp một môi trường thử nghiệm ảo (virtual proving ground) để đánh giá khả năng thích ứng của xe tự hành, drone và các nền tảng robot di động khác trước những thay đổi thời tiết đột ngột hay bối cảnh thị giác phức tạp.

Trong một buổi thử nghiệm thực tế kết nối với Gemini Robotics, Google đã kết hợp Genie 4 với các mô hình Gemini có khả năng chia nhỏ nhiệm vụ thành từng bước nối tiếp, giám sát bối cảnh mô phỏng và tự động điều chỉnh kế hoạch thực thi khi điều kiện thay đổi. Trong một ví dụ, đội ngũ phát triển đã dùng Genie 4 để tạo ra một bối cảnh tương tác, nơi phiên bản mô phỏng của robot hình người Apollo (do Apptronik phát triển) đang chơi cờ đam.

Theo Chris Selland, sáng lập viên kiêm CEO của công ty tư vấn chiến lược AI Differential Factor, khả năng tạo ra các không gian tương tác phản hồi trực tiếp với hành động của người dùng hoặc agent AI chính là điểm khác biệt cốt lõi so với các công cụ tạo video thông thường. Công nghệ này cung cấp cho doanh nghiệp một phương thức để diễn tập và đánh giá các kịch bản vận hành mà không cần tốn chi phí xây dựng các mô hình thử nghiệm thực tế đắt đỏ.

Giải quyết "khoảng cách thực tế" trong ngành robot

Dù sở hữu nhiều tính năng nâng cấp, Google thừa nhận bản thử nghiệm hiện tại vẫn tồn tại một số giới hạn kỹ thuật. Khi người dùng điều hướng trong một phân cảnh được tạo ra hoặc đưa ra các yêu cầu chỉnh sửa phức tạp, các chi tiết thị giác và đặc tính của vật thể có thể gặp hiện tượng biến dạng (drift). Hệ thống cũng gặp khó khăn trong việc duy trì sự nhất quán thị giác dài hạn, độ chính xác không gian tinh vi, khả năng hiển thị văn bản sắc nét, tổng hợp âm thanh chuẩn xác và các tương tác vật lý phức tạp.

Những điểm sai lệch về thị giác và vật lý này chính là biểu hiện của "khoảng cách thực tế" (reality gap) — một rào cản quen thuộc trong ngành robot, nơi sự khác biệt giữa mô phỏng nhân tạo và điều kiện thực tế khiến các phần mềm đã qua huấn luyện không thể vận hành tin cậy bên ngoài môi trường ảo.

Selland lưu ý rằng vì các quy luật vật lý nền tảng của Genie 4 vẫn chỉ mang tính xấp xỉ và các phiên làm việc có thể bị sai lệch theo thời gian, bản thử nghiệm hiện tại chưa phù hợp cho các ứng dụng kỹ thuật đòi hỏi độ chính xác cao. Tương tự, Manish Jain, sáng lập viên kiêm CEO của Strategic Horizon Research, nhấn mạnh rằng các doanh nghiệp sẽ cần những bằng chứng rõ ràng cho thấy kết quả mô phỏng tương thích hoàn toàn với động lực học vật lý thực tế trước khi ứng dụng các mô hình thế giới để xác thực những vận hành vật lý quan trọng.

Kế hoạch tiếp cận và cạnh tranh trong ngành

Google dự định phân phối Genie 4 tới người dùng thử nghiệm cá nhân thông qua Project Genie (dành cho người đăng ký gói Google AI Ultra), cũng như tới các đối tác doanh nghiệp tiếp cận sớm thông qua Gemini API và Google AI Studio. Lịch trình phát hành cụ thể và các mức giá cho doanh nghiệp hiện vẫn chưa được công bố.

Sự kiện ra mắt này diễn ra trong bối cảnh cuộc đua về mô hình thế giới và AI vật lý (physical AI) đang tăng nhiệt. Vào tháng 9, startup AI Runway đã phát hành mô hình thế giới có thể tương tác GWM Worlds 2 tích hợp âm thanh tương tác, trong khi World Labs của Fei-Fei Li cũng đang tích cực xây dựng các mô hình được tối ưu hóa cho tư duy không gian và vật lý.