Google DeepMind revela Genie 4 para avançar em testes de robótica em mundos interativos gerados

A Google DeepMind apresentou o Genie 4 como um preview de pesquisa limitado, marcando um avanço significativo em modelos de mundo interativos projetados para simular ambientes físicos para o teste de inteligência artificial e sistemas robóticos.

Lançado em 27 de outubro, o Genie 4 se baseia em seu antecessor, o Genie 3, incorporando áudio e diálogos nativos, física mais realista e movimentos humanos mais suaves. Ao contrário dos geradores de vídeo tradicionais, que produzem clipes visuais estáticos a partir de texto, o Genie 4 constrói ambientes dinâmicos e interativos quadro a quadro, permitindo que usuários e sistemas autônomos alterem o ambiente continuamente à medida que as cenas se desdobram.

Manipulação ambiental em tempo real

O Genie 4 permite que os usuários ajustem ambientes simulados em tempo real usando prompts em linguagem natural. Os operadores podem alterar condições meteorológicas, inserir objetos ou personagens e ajustar perspectivas de câmera em tempo real.

Pesquisadores podem aproveitar esses recursos para observar como eventos simulados — como enchentes relâmpago ou incêndios florestais — se desenvolvem de forma dinâmica. A plataforma também oferece um campo de provas virtual para testar como veículos autônomos, drones e outras plataformas robóticas móveis se adaptam a mudanças meteorológicas abruptas e cenários visuais complexos.

Em uma demonstração prática conectada ao Gemini Robotics, o Google combinou o Genie 4 com modelos Gemini capazes de decompor tarefas em etapas sequenciais, monitorar cenas simuladas e ajustar planos de execução quando as condições mudam. Em um exemplo, a equipe usou o Genie 4 para gerar um cenário interativo no qual uma versão simulada do robô humanoide Apollo, da Apptronik, jogava damas.

Segundo Chris Selland, fundador e CEO da empresa de estratégia de IA Differential Factor, a capacidade de criar espaços interativos que reagem diretamente às ações do usuário ou do agente representa um diferencial fundamental em relação às ferramentas padrão de geração de vídeo. A tecnologia oferece às empresas um mecanismo para ensaiar e avaliar cenários operacionais sem a necessidade de construir ambientes de testes físicos dispendiosos.

Enfrentando o "gap de realidade" na robótica

Apesar de suas capacidades expandidas, o Google reconheceu vários limites técnicos na versão experimental atual. Conforme os usuários navegam por uma cena gerada ou fazem modificações complexas via prompts, detalhes visuais e propriedades de objetos podem sofrer distorções. O sistema também enfrenta dificuldades com consistência visual de longo prazo, precisão espacial fina, renderização nítida de texto, síntese de áudio precisa e interações físicas complexas.

Essas discrepâncias visuais e físicas apontam para o "gap de realidade" (reality gap) — um obstáculo reconhecido na robótica em que as diferenças entre simulações sintéticas e condições do mundo real impedem que softwares treinados operem de forma confiável fora de ambientes virtuais.

Selland observou que, como a física subjacente do Genie 4 permanece aproximada e as sessões podem sofrer desvios ao longo do tempo, a versão de prévia atual ainda não é adequada para aplicações de engenharia que exigem alta precisão. De forma semelhante, Manish Jain, fundador e CEO da Strategic Horizon Research, enfatizou que as empresas precisarão de evidências claras de que os resultados gerados correspondem às dinâmicas físicas do mundo real antes de usar modelos de mundo para validar operações físicas críticas.

Planos de acesso e concorrência no setor

O Google planeja distribuir o Genie 4 para testadores individuais por meio do Project Genie, disponível para assinantes do Google AI Ultra, bem como para parceiros corporativos com acesso antecipado via Gemini API e Google AI Studio. Cronogramas específicos de lançamento e faixas de preço para empresas ainda não foram anunciados.

O lançamento ocorre em meio a um momento de crescente impulso da indústria em torno de modelos de mundo e IA física. A startup de IA Runway lançou seu modelo de mundo jogável, o GWM Worlds 2, com áudio interativo em setembro, enquanto a World Labs, de Fei-Fei Li, também está desenvolvendo ativamente modelos adaptados para raciocínio espacial e físico.