谷歌DeepMind在機器人訓練領域取得重大突破，其最新AI模型Genie 2展現出前所未有的潛力。
DeepMind的聯合創始人兼首席執行官Demis Hassabis在一檔知名節目中親自展示了這一創新技術。他強調，Genie 2不僅能夠創建可交互的3D環境，更能在加速機器人學習方面發揮巨大作用。
據介紹，Genie 2具有從單一靜態圖像生成可探索3D虛擬世界的能力。這一功能為AI代理和機器人提供了一個極為逼真的模擬環境，使它們能夠在其中進行各種學習和訓練。
在一次演示中，DeepMind的研究科學家Jack Parker-Holder向觀眾展示了一張加州瀑布頂部的照片。通過Genie 2的處理，這張照片被轉化為了一個類似第一人稱視角的視頻游戲場景。用戶或AI代理可以在這個虛擬環境中自由移動，探索瀑布周圍的各個角落，甚至發現原始照片中并未呈現的景象。
實機演示：Genie 2將加州瀑布照片轉化為視頻游戲場景
Hassabis指出，Genie 2的“世界模型”能夠動態生成環境，并模擬現實世界的物理特性。這使得它不僅在娛樂領域有著廣泛的應用前景，如生成游戲和視頻內容，更重要的是為AI和機器人的訓練提供了一個高效且低成本的平臺。
傳統的機器人數據采集過程復雜且成本高昂，數據量有限且收集速度緩慢。而Genie 2的模擬環境則可以生成近乎無限的數據量，允許機器人在虛擬世界中進行初步的學習，之后再通過少量的現實世界數據進行微調，從而大幅提升訓練效率。
在另一個演示中，一個由AI控制的騎士角色在由Genie 2生成的3D環境中自主完成了任務，如從多個門廊中選擇正確的路徑并爬上樓梯。Hassabis表示，這種技術可以讓機器人在模擬環境中學習復雜的導航、物體交互和決策制定等任務，從而減少對現實世界數據的依賴。
實機演示：AI騎士在Genie 2生成的3D環境中自主完成任務
Hassabis還透露，DeepMind正在探索利用谷歌地圖、谷歌地球和街景視圖等地理數據來進一步增強AI的世界理解能力。這些數據將為AI提供豐富的現實世界背景信息，有助于機器人更好地適應真實環境。
Genie 2還能將靜態圖像（如街景照片或個人度假照片）轉化為交互式3D場景，為機器人訓練和用戶體驗帶來了全新的可能性。
