Új világmodelllel tesztelhetik a robotokat a Google DeepMindnál

A Genie 4 natív hang- és párbeszédképességekkel, élethűbb fizikai szimulációval és természetesebb emberi mozgással bővült elődjéhez, a Genie 3-hoz képest. A felhasználók természetes nyelvi parancsokkal módosíthatják a környezetet, például változtathatnak az időjáráson, új elemeket adhatnak hozzá vagy módosíthatják a kameraállásokat. (AI Business)

Katasztrófák szimulálása és robottesztelés

A kutatók ezeket a generált helyszíneket használhatják természeti katasztrófák, például villámárvizek és erdőtüzek lefolyásának vizsgálatára. Emellett tesztelhetik, hogyan reagálnak az autonóm járművek, drónok és más robotrendszerek a változó időjárási és környezeti körülményekre. Chris Selland, a Differential Factor AI-kutató cég alapítója szerint a Genie 4 interaktív teret hoz létre, amely reagál a felhasználó vagy az AI-rendszer cselekedeteire, szemben a puszta videógenerálással.

Vállalati alkalmazás és kísérleti korlátok

A technológia legtisztább vállalati alkalmazása a robotika területén rejlik. A Google egy bemutatóban a Genie 4-et használta egy Apptronik Apollo humanoid robot sakkozásának szimulálásához. Ez azt illusztrálja, hogyan használhatják a vállalatok hasonló helyzeteket arra, hogy robotjaikat különféle forgatókönyveknek vessék alá, mielőtt gyári környezetbe vagy raktárba telepítenék őket. A fejlesztők fizikai környezet kiépítése nélkül tehetik ki a robot szoftverét különböző elrendezéseknek, akadályoknak vagy fényviszonyoknak.

Manish Jain, a Strategic Horizon Research alapítója szerint a generált környezetek prototípusok létrehozására, képzési forgatókönyvek kidolgozására és AI-agentek tesztelésére használhatók olyan helyzetekben, amelyek nehezen vagy költségesen reprodukálhatók a valós világban. Selland a gyors prototípusgyártásban is lát potenciált, beleértve interaktív díszletek építését, valamint kameraszögek, világítás és elrendezések tesztelését.

A technológia még kísérleti stádiumban van, és a Google is elismeri korlátait. Az objektumok és vizuális részletek elmosódhatnak, különösen összetett promptváltozások után vagy a környezetben való navigálás során. A vállalat kihívásokkal küzd az összetett fizikai interakciók, a térbeli pontosság, az audio pontosság, az olvasható szöveg és a hosszú távú konzisztencia terén.

Ezek a hiányosságok azért fontosak, mert a robotképzésnek kellően konzisztensnek kell lennie ahhoz, hogy a fejlesztők össze tudják hasonlítani az eredményeket és megértsék, miért sikeres vagy sikertelen egy rendszer. Ha a szimulált feltételek nem tükrözik pontosan a fizikai világot, a fejlesztők nehezen tudják meghatározni, hogy a robot teljesítménye átültethető-e a valós környezetbe. Ez a robotikában ismert „valóságh rés” (reality gap) problémája, amit a Google Genie 4 modellje is érint.