Google、仮想世界をリアルタイム生成するAI「Genie 4」公開

概要

詳細

Geminiモデル群との連携

Genie 4は単体で動くわけではなく、複数のGeminiモデルと組み合わせて使われます。Gemini Omniが実世界の見た目や振る舞いの基盤となる情報を提供し、ほかのGeminiモデルが推論を担って場面の一貫性を保ちます。生成中のガイド役は「Gemini 3.8 Flash」が担当し、与えられた目標を手順に分解しながら各ステップの成否を検証し、必要に応じて計画を修正するとされています。

ロボットとの実験連携

Google DeepMindは、次世代モデル「Gemini 4 Argon」とGenie 4、さらに「Gemini Robotics」を組み合わせた実験的な連携デモも公開しました。Apptronik製のヒューマノイドロボット「Apollo」に対し、チェッカー(ボードゲーム)のタスクをリアルタイムで分割しながら指示する様子を示しており、世界モデルがロボット制御にも応用できる可能性を示しています。

提供状況と今後の展開

Genie 4は現時点では、信頼されたテスターのみが利用できる研究プレビューの段階です。Google DeepMindは今後、Google AI Ultraのサブスクライバー向けに「Project Genie」として提供する予定があるとしており、Gemini APIとGoogle AI Studioの早期アクセスパートナーにも提供する計画を明らかにしています。一般提供の開始日は公表されておらず、利用希望者はウェイトリストに登録できます。

安全対策と現時点の制約

Google DeepMindは、ほかのDeepMindモデルと同様の内部安全性評価とガードレールをGenie 4にも適用し、段階的に展開する方針を示しています。生成した映像・音声には電子透かし技術「SynthID」を付与するとしています。一方で、長時間のセッションや多数の編集を重ねると映像の視覚的な詳細やオブジェクトの一貫性が崩れることがあると説明されており、複雑な物理相互作用の再現、音声の正確さ、画面内の文字の判読性、空間的な正確さ、長期的な一貫性の確保は現在も研究課題としています。