Google DeepMind presenta Genie 4 para impulsar las pruebas de robótica en mundos generados interactivos

Google DeepMind ha presentado Genie 4 como una vista previa de investigación limitada, lo que marca un avance significativo en los modelos de mundos interactivos diseñados para simular entornos físicos para la evaluación de inteligencia artificial y sistemas robóticos.

Lanzado el 27 de octubre, Genie 4 se basa en su predecesor, Genie 3, incorporando audio y diálogos nativos, una física más realista y un movimiento humano más fluido. A diferencia de los generadores de video tradicionales que producen clips visuales estáticos a partir de texto, Genie 4 construye entornos dinámicos e interactivos fotograma a fotograma, lo que permite a los usuarios y sistemas autónomos alterar el entorno de forma continua a medida que se desarrollan las escenas.

Manipulación de entornos en tiempo real

Genie 4 permite a los usuarios ajustar entornos simulados sobre la marcha utilizando indicaciones en lenguaje natural. Los operadores pueden cambiar las condiciones meteorológicas, insertar objetos o personajes y ajustar las perspectivas de la cámara en tiempo real.

Los investigadores pueden aprovechar estas funciones para observar cómo se desarrollan dinámicamente eventos simulados, como inundaciones repentinas o incendios forestales. La plataforma también ofrece un campo de pruebas virtual para evaluar cómo los vehículos autónomos, drones y otras plataformas robóticas móviles se adaptan a cambios meteorológicos abruptos y a paisajes visuales complejos.

En una demostración práctica vinculada a Gemini Robotics, Google combinó Genie 4 con modelos Gemini capaces de descomponer tareas en pasos secuenciales, monitorear escenas simuladas y ajustar los planes de ejecución cuando las condiciones cambian. En un ejemplo, el equipo utilizó Genie 4 para generar un escenario interactivo en el que una versión simulada del robot humanoide Apollo de Apptronik jugaba a las damas.

Según Chris Selland, fundador y CEO de la firma de estrategia de IA Differential Factor, la capacidad de crear espacios interactivos que reaccionan directamente a las acciones del usuario o del agente representa una diferencia clave frente a las herramientas estándar de generación de video. La tecnología ofrece a las empresas un mecanismo para ensayar y evaluar escenarios operativos sin necesidad de construir costosos bancos de pruebas físicos.

Abordar la "brecha de realidad" en la robótica

A pesar de sus capacidades ampliadas, Google reconoció varios límites técnicos en la versión experimental actual. A medida que los usuarios navigación por una escena generada o emiten modificaciones complejas en las instrucciones, los detalles visuales y las propiedades de los objetos pueden sufrir desviaciones. El sistema también enfrenta dificultades con la consistencia visual a largo plazo, la precisión espacial fina, el renderizado nítido de texto, la síntesis precisa de audio y las interacciones físicas complejas.

Estas discrepancias visuales y físicas apuntan a la "brecha de realidad" (reality gap), un obstáculo reconocido en la robótica donde las diferencias entre las simulaciones sintéticas y las condiciones del mundo real impiden que el software entrenado funcione de manera confiable fuera de los entornos virtuales.

Selland señaló que, debido a que la física subyacente de Genie 4 sigue siendo aproximada y las sesiones pueden desviarse con el tiempo, la versión preliminar actual aún no es adecuada para aplicaciones de ingeniería que requieran alta precisión. Del mismo modo, Manish Jain, fundador y CEO de Strategic Horizon Research, enfatizó que las empresas necesitarán pruebas claras de que los resultados generados coinciden con las dinámicas físicas del mundo real antes de utilizar modelos de mundos para validar operaciones físicas críticas.

Planes de acceso y competencia en la industria

Google planea distribuir Genie 4 a probadores particulares a través de Project Genie, disponible para los suscriptores de Google AI Ultra, así como a socios empresariales con acceso anticipado a través de la API de Gemini y Google AI Studio. Aún no se han anunciado los calendarios de lanzamiento específicos ni los niveles de precios para empresas.

El lanzamiento se produce en un momento de creciente impulso de la industria en torno a los modelos de mundos y la IA física. La startup de IA Runway lanzó en septiembre su modelo de mundo jugable, GWM Worlds 2, con audio interactivo, mientras que World Labs, fundada por Fei-Fei Li, también está desarrollando activamente modelos diseñados para el razonamiento espacial y físico.