Le Genie 4 de Google DeepMind apporte une touche moderne aux conceptions d'agents antérieures aux LLM
decoder ·
Google DeepMind a présenté Genie 4, un modèle de monde interactif expérimental qui simule des environnements image par image en temps réel. Contrairement aux versions précédentes, cette itération génère directement l'audio d'arrière-plan et les dialogues des personnages en même temps que les éléments visuels. Les modèles Gemini fonctionnent en arrière-plan pour planifier des tâches en plusieurs étapes et assurer la cohérence de la simulation lorsque les utilisateurs interagissent via des invites textuelles ou des entrées clavier. Le système permet des changements dynamiques, tels que la modification des conditions météorologiques, tandis que les personnages réagissent naturellement à leur environnement et aux actions de l'utilisateur. Malgré ces avancées, le modèle rencontre actuellement des difficultés avec les sessions longues, la physique complexe et la persistance des objets. L'accès est initialement limité à certains testeurs, avec des plans pour l'étendre aux abonnés Google AI Ultra et aux partenaires API. Tout le contenu généré inclura des filigranes SynthID invisibles pour identifier l'origine de l'IA. Cette technologie représente une étape vers des modèles de monde hybrides qui combinent le raisonnement linguistique avec la simulation au niveau des pixels pour la formation future de la robotique.
decoder