谷歌DeepMind在机器人训练领域取得重大突破，其最新AI模型Genie 2展现出前所未有的潜力。
DeepMind的联合创始人兼首席执行官Demis Hassabis在一档知名节目中亲自展示了这一创新技术。他强调，Genie 2不仅能够创建可交互的3D环境，更能在加速机器人学习方面发挥巨大作用。
据介绍，Genie 2具有从单一静态图像生成可探索3D虚拟世界的能力。这一功能为AI代理和机器人提供了一个极为逼真的模拟环境，使它们能够在其中进行各种学习和训练。
在一次演示中，DeepMind的研究科学家Jack Parker-Holder向观众展示了一张加州瀑布顶部的照片。通过Genie 2的处理，这张照片被转化为了一个类似第一人称视角的视频游戏场景。用户或AI代理可以在这个虚拟环境中自由移动，探索瀑布周围的各个角落，甚至发现原始照片中并未呈现的景象。
实机演示：Genie 2将加州瀑布照片转化为视频游戏场景
Hassabis指出，Genie 2的“世界模型”能够动态生成环境，并模拟现实世界的物理特性。这使得它不仅在娱乐领域有着广泛的应用前景，如生成游戏和视频内容，更重要的是为AI和机器人的训练提供了一个高效且低成本的平台。
传统的机器人数据采集过程复杂且成本高昂，数据量有限且收集速度缓慢。而Genie 2的模拟环境则可以生成近乎无限的数据量，允许机器人在虚拟世界中进行初步的学习，之后再通过少量的现实世界数据进行微调，从而大幅提升训练效率。
在另一个演示中，一个由AI控制的骑士角色在由Genie 2生成的3D环境中自主完成了任务，如从多个门廊中选择正确的路径并爬上楼梯。Hassabis表示，这种技术可以让机器人在模拟环境中学习复杂的导航、物体交互和决策制定等任务，从而减少对现实世界数据的依赖。
实机演示：AI骑士在Genie 2生成的3D环境中自主完成任务
Hassabis还透露，DeepMind正在探索利用谷歌地图、谷歌地球和街景视图等地理数据来进一步增强AI的世界理解能力。这些数据将为AI提供丰富的现实世界背景信息，有助于机器人更好地适应真实环境。
Genie 2还能将静态图像（如街景照片或个人度假照片）转化为交互式3D场景，为机器人训练和用户体验带来了全新的可能性。
