其博客提到，Genie 3的一致性是一项新兴能力。NeRF和高斯分布等方法在实现一致的可导航3D环境同时，需要依赖于提供明确的3D表示，相比之下，Genie 3生成的世界是根据世界描述和用户操作逐帧创建的，因此生成内容更为丰富、真实。Genie 3通过记忆已生成的内容并进行长期推理，自学世界中的物体如何移动、下落和互动。该模型是自回归的，这意味着它一次只生成一帧，其必须回顾之前生成的内容，才能决定下一步要做什么。这是该架构的关键部分。谷歌DeepMind的博客中也提到了Genie 3目前的局限性：行动空间有限：尽管可触发的世界事件允许进行广泛的环境干预，但它们不一定由Agent本身执行，Agent可直接执行的操作范围目前受到限制；与其他Agent的交互和模拟：准确建模共享环境中多个独立Agent之间的复杂交互仍然是一个持续的研究挑战；准确表示真实世界的位置：Genie 3目前无法以完美的地理精度模拟真实世界的位置；文本渲染：通常只有在输入世界描述中提供时才会生成清晰易读的文本；交互时长有限：该模型目前支持几分钟的持续交互，无法支持长达数小时的交互。在此基础上，谷歌DeepMind宣布Genie 3以有限研究预览版的形式发布，使其能够从其他学者处收集重要的反馈和提供跨学科视角。04.结语：谷歌DeepMind深耕模拟环境研究或加速AI Agent训练此前十多年来，谷歌DeepMind一直致力于模拟环境领域的开创性研究，从训练Agent掌握实时战略游戏， 到开发用于开放式学习和机器人技术的模拟环境，再到开发世界模型。去年，其推出Genie 1和Genie 2两大基础世界模型，可以为Agent生成新的环境，并发布视频生成模型Veo 2和Veo 3。可以看出，这些AI系统能够利用自身对世界的理解来模拟世界的各个方面，使Agent能够预测环境将如何演变以及其行为将如何影响环境。谷歌DeepMind的博客提到，世界模型是迈向通用人工智能（AGI）的关键基石，因为它们使得在丰富多样的模拟环境中训练AI Agent成为可能。从目前的应用场景来看，Genie 3或许可以为机器人和自主系统等提供训练空间并评估其表现。未来，这项技术或许能在我们迈向AGI的过程中发挥关键作用。