Google DeepMind 推出 Genie 4，透過互動式生成世界推進機器人測試

Google DeepMind 正式公開 Genie 4 的限量研究預覽版（limited research preview），這標誌著旨在模擬物理環境、以測試人工智慧與機器人系統的互動式世界模型（interactive world models）邁出了重要一步。

Genie 4 於 10 月 27 日發布，在其前身 Genie 3 的基礎上，融入了原生音訊與對話、更逼真的物理效果，以及更平滑的人體動作。與從文字生成靜態視覺短片的傳統影片生成器不同，Genie 4 能逐幀構建互動式的動態環境，讓使用者和自主系統能在場景展開時持續改變周遭環境。

即時環境操控

Genie 4 允許使用者透過自然語言提示詞，隨時調整模擬環境。操作人員可以即時改變天氣狀況、插入物件或角色，並調整鏡頭视角。

研究人員可以利用這些功能來觀察模擬事件——例如突發洪水或野火——如何動態發展。該平台還提供了一個虛擬測試場，用於測試自駕車、無人機和其他移動式機器人平台如何適應驟變的天氣與複雜的視覺景觀。

在一項與 Gemini Robotics 連動的實際展示中，Google 將 Genie 4 與 Gemini 模型相搭配，該模型能夠將任務拆解為連續步驟、監控模擬場景，並在條件改變時調整執行計劃。在其中一個範例中，團隊使用 Genie 4 生成了一個互動式場景，讓 Apptronik 的 Apollo 人形機器人模擬版本在其中下西洋跳棋。

AI 策略公司 Differential Factor 創辦人兼執行長 Chris Selland 表示，能夠打造直接對使用者或代理人動作做出反應的互動空間，是其與標準影片生成工具的主要區別。這項技術為企業提供了一種機制，無需建置昂貴的實體測試台，即可演練和評估營運情境。

解決機器人領域的「現實差距」

儘管功能有所擴充，Google 依然承認目前實驗版本存在數個技術限制。當使用者在生成的場景中移動或提出複雜的提示修改時，視覺細節和物件屬性可能會出現漂移現象（drift）。該系統在長期視覺一致性、精細空間精度、清晰文字渲染、準確音訊合成以及複雜物理互動方面也面臨挑戰。

這些視覺和物理上的差異指向了「現實差距」（reality gap）——這是機器人領域公認的障礙，即合成模擬與真實世界狀況之間的差異，會導致受訓軟體無法在虛擬環境之外可靠地運作。

Selland 指出，由於 Genie 4 的底層物理機制仍屬於近似值，且互動過程會隨時間產生漂移，因此目前的預覽版尚不適合需要高精度的工程應用。同樣地，Strategic Horizon Research 創辦人兼執行長 Manish Jain 強調，企業在運用世界模型驗證關鍵實體作業前，將需要明確的證據證明生成的結果符合真實世界的物理動態。

開放計畫與產業競爭

Google 計劃透過 Project Genie 將 Genie 4 開放給消費者測試人員（可供 Google AI Ultra 訂閱者使用），並透過 Gemini API 和 Google AI Studio 提供給早期體驗的企業合作夥伴。具體的釋出時程與企業計價方案尚未公布。

此項發布適逢產業對世界模型與實體 AI（physical AI）關注度日益成長之際。AI 新創公司 Runway 於 9 月推出了具備互動音訊的可遊玩世界模型 GWM Worlds 2，而 Fei-Fei Li 創辦的 World Labs 也正積極打造專為空間與物理推理設計的模型。