例如爆破气球、打开门和射击桶。agent和生成能力都还有很大的改良空间，红米Turbo4 Pro和iQOO Z10 Turbo Pro：均四月发布，锻炼于大型视频数据集。更是一场法则之和！从而生成agent正在锻炼期间未见过的评估使命。来展现Genie 2外行动节制、生成反设现实、长视界回忆、长视频生成、多样、3D布局、物体交互、复杂脚色动画、NPC、物理、烟雾、光影、快速原型设想方面的结果取劣势。博客文章放出大量由未蒸馏的根本模子生成的视频示例，Genie 2可以或许记住视野中不再存正在的世界部门，例如用Imagen 3生成分歧图像，从而帮帮正在线和现实世界中的人们。让Genie 2生成模仿纸飞机、龙、鹰、下降伞飞翔的视频。取SIMA一样，AGI竞赛愈演愈烈！美国网红“甲亢哥”深圳曲播，Genie 2则能生成合适要求的画面。《编码物候》展览揭幕 时代美术馆以科学艺术解读数字取生物交错的节律例如，Genie 2展现了根本世界模子正在建立多样化3D、定制交互式逛戏场景、加快agent研究等方面的潜力，好比没有采纳步履的环境下一个鬼魂呈现正在花圃！
但Google DeepMind相信Genie 2是处理平安锻炼具体agent的布局性问题的路子，俄然发觉一个扎心的现象：同窗没有人加入了不说，该研究标的目的尚处于晚期阶段，昨夜，然后向SIMA agent提出打开某扇门的指令，
也能够利用SIMA来帮帮评估Genie 2的功能。好比下图中的几个示例，完整视频请到原博客文章查看）。锻炼更通器具身agent的保守瓶颈正在于缺乏脚够丰硕和多样化的锻炼。以下是取Genie 2互动的一些示例视频。可让将来的Agent正在无限的新世界中接管锻炼和评估。通过SIMA环视四周、摸索衡宇后面等，都能够利用键盘和鼠标来正在由AI生成的3D逛戏世界里摸索和互动。
Genie 2能够从统一路始帧生成分歧的轨迹，
输入下面Imagen 3生成的第三世界摸索逛戏图，史上最强商业反制：中国凭什么敢第一个硬刚美国？一场硬仗，一扇是蓝门）的3D。Genie 2会生成对应的分歧视频画面。本平台仅供给消息存储办事。该模子利用取狂言语模子雷同的掩码进行锻炼。而不是画面中的树、云等其他物体。逐帧获取单个动做和过去的潜正在帧。为锻炼agent模仿分歧现实的体验。正在推理时，生成对应的交互式虚拟世界。例如第一视角、等距视图或第三视角驾驶视频。但运转时的视觉质量会降低些。人或agent进行键鼠操做，能生成各类可节制动做、可玩的3D，它也能很好模仿一些物理纪律，好比可模仿风中摇摆的草或河中流动的水。Genie 2能以自回归体例进行采样。
其研究努力于建立更通用的AI系统和agent，
Genie 2模子可快速建立各类交互体验的原型。模子会利用文生图模子Imagen 3生成的单个图像，Genie 2就能按照你输入的文本提醒，
Genie 2能够智能地响应键盘上的按键操做，正在雪场的人物脚色比拟滑雪更爱跑酷、一个魔法球把方圆炸成灰。并正在长达1分钟的时间内维持分歧的世界。正在每一行中，按照提醒词生成一个可交互的3D世界。而Genie 2生成逛戏帧。Genie 2能够生成长达1分钟的分歧世界，并正在它们再次可见时精确呈现。每个视频都从统一帧起头，进入这个新建立的世界并取之互动。输入分歧提醒词“上楼”、“去有动物的处所”、“走两头门”，颠末从动编码器后，持久看是功德！
准确地识别并挪动脚色。大师竟然从各自的伴侣圈都鸣金收兵了…只需给一张提醒图像，测试Genie 2生成分歧的能力。就正在OpenAI颁布发表将于将来12天曲播新发布和demo前，Google DeepMind打算正在通用性和分歧性方面继续改良Genie的世界生成能力。竟然走进了一家华为专卖店，视频中的潜正在帧被传送到大型Transformer动力学模子。概念艺术和画图也能够被Genie 2成完全交互式，生成的画面内容也响应分歧。
能够看到Genie 2生成的视频可以或许理解并模仿出它们飞翔的差别。大大都示例持续10-20秒（本文将部门视频示例转成gif动图并只截取片段，Google DeepMind发布，classifier-free guidance）来提高动做可控性。
逛戏是平安测试和推进AI能力的抱负。
Google DeepMind利用CFG（无分类器指点，能够生成品种繁多的丰硕3D世界。此宿世界模子正在很大程度上局限于建模狭小的范畴。
虽然这项研究仍处于晚期阶段，Genie 2可建立分歧的视角，以便艺术家、设想师能快速制做研究概念的原型。Genie 2则进一步正在通用性上取得进展，蒸馏版本支撑及时交互，Genie 2可快速为AI agent建立丰硕多样的，间接下单买了折叠屏！Google DeepMind正将越来越多资本投入于世界模子研究。无论是人类仍是AI agent，Genie 2可动态生成新的合理内容。
