DeepMind發表Genie   用圖片即可生成AI遊戲世界

記者／竹二

繼OpenAI發表Sora模型之後，近日Google DeepMind也推出一個令人不可思議的Genie，這是一個靠網路影片訓練出來的AI生成模型，可以藉由文字、圖片、照片甚至是草稿，生成無數種可以遊玩、角色動作可控的2D虛擬世界。

Genie全名為Generative Interactive Environments，是利用公開且長達20萬小時的線上網路影片訓練而成，與Sora不同的地方在於，Genie可以創建出可操控的世界，而不單單只是影片，單靠文字、圖片、影片甚至是手繪草圖就可以生成出真正可以遊玩、可以互動的虛擬遊戲世界。

更多新聞：Google DeepMind「機器人憲法」　推動負責任的機器人研究

值得一提的是，Genie是在沒有人監督的情況下，使用未進行動作標記的影片來進行訓練，但卻能學習網路影片中的各種角色在運動、控制與動作時的樣子，可以對於現實世界的物理狀態有更深入的理解，未來有可能有助於實體機器人更好理解並與身邊環境互動。

Genie是朝向AGI通用世界模型的一步

Google DeepMind開發者Tim Rocktäschel在X上po文提到，Genie不僅僅局限於 2D，他們針對機器人數據（RT-1）進行訓練，在不預設任何動作的情況下，證明同樣能創建出一個可控制動作的模擬系統，他們認為這是朝向AGI通用世界模型有希望的一步。

據悉，Google並不是第一次透過網路影片來訓練AI模型，今年稍早DeepMind Robotics的團隊就發表了一款名為AutoRT的AI模型，可結合大型基礎模型（像是LLM）或是視覺語言模型（VLM）與機器人控制模型（RT-1或RT-2），來達到不同的任務目的。

瀏覽 573 次