DeepMind 发布 Genie 4 世界模型：实时生成可交互世界并自带音频
AIFlow_ML · x · 2026-10-28
Google DeepMind 宣布 Genie 4，称其为迄今最逼真、交互性最强的新一代世界模型。模型原生多模态，可在生成世界的同时同步生成音乐、环境音与可交互对话；其能力构建在 Gemini 家族之上——Gemini Omni 负责将模拟锚定在真实世界的外观与行为，其他 Gemini 模型提供维持模拟连贯性所需的复杂推理。
核心能力包括：键盘控制在场景中移动、运行中以文本改变天气/移动镜头/添加人物、世界以物理效果和环境音实时回应。官方定位其用途涵盖机器人与智能体训练环境以及全新交互体验，并称理解与模拟世界是通往 AGI 的关键。
目前以 research preview 形式向可信测试者开放，之后将面向 Google AI Ultra 订阅者（Project Genie）及 Gemini API、Google AI Studio 早期合作伙伴推出，已开放候补名单。
所属事件:Google DeepMind 发布 Genie 4：迄今最强可交互世界模型(48 条相关)→
「具身」频道最新
- Dyna 发布人形机器人 Taku,以工匠精神而非参数表做营销 — heyshrutimishra · 2026-10-28
- PDRVLA 用物理动力学表征刷新 LIBERO 等四大机器人基准 — Hanqing Wang · 2026-10-28
- 阿里达摩院发布跨本体世界模型 RynnWorld-Latent：553.5M 帧联合预训练 — Alibaba-DAMO-Academy · 2026-10-28
- 开发者让 GPT 控制哈苏相机：自动对焦、触发快门、语音聊天 — rrRadium · 2026-10-28
- 机器人抢工作名场面：帖主调侃式围观演示视频 — alysha_lobo · 2026-10-28
- 首尔大学发布家庭机器人导航安全基准:避撞不等于安全 — SeoulNatlUniv · 2026-10-28