Genie 4 của Google cung cấp cho các tác nhân AI một thế giới thực hành với vật lý chưa hoàn hảo

Google DeepMind đã giới thiệu Genie 4 vào thứ Ba, một mô hình thế giới mới được thiết kế để kết xuất các môi trường tương tác theo thời gian thực. Hệ thống này kết hợp vật lý mô phỏng, chuyển động con người và âm thanh gốc để tạo ra các không gian chân thực như ảnh chụp, nơi các tác nhân AI có thể thực hành các nhiệm vụ đa bước. Mặc dù độ trung thực hình ảnh rất cao, nhưng tính nhất quán vật lý cơ bản vẫn chưa đồng đều, đặt ra câu hỏi về độ tin cậy của nó trong việc đánh giá nghiêm ngặt các tác nhân.

Điều gì đã xảy ra

Đổi mới cốt lõi của Genie 4 là khả năng tạo ra các môi trường kiểm thử theo yêu cầu thay vì dựa vào các bản đồ tĩnh dựng sẵn. Tejas Kulkarni, giám đốc nghiên cứu tại Google DeepMind, mô tả đây là sự chuyển dịch sang các mô hình thế giới lai. Trong cấu hình này, các mô hình Gemini xử lý việc tạo mã và logic văn bản, trong khi Genie dịch các chỉ dẫn đó thành một cảnh chạy, tương tác. Điều này cho phép các nhà phát triển tạo ra các kịch bản cụ thể cho các tác nhân của họ mà không cần phải tự tay xây dựng từng phần tử của mô phỏng từ đầu.

Khác với các công cụ tạo video truyền thống sản xuất ra một chuỗi khung hình cố định, Genie 4 hỗ trợ tương tác trực tiếp. Người dùng có thể điều hướng thế giới được tạo bằng bàn phím, điều chỉnh góc máy quay hoặc sửa đổi môi trường thông qua các lời nhắc văn bản mà không cần khởi động lại mô phỏng. Tính tương tác này rất quan trọng đối với việc huấn luyện các tác nhân cần phản ứng với những điều kiện thay đổi, vì nó cung cấp một vòng lặp phản hồi liên tục giữa hành động của tác nhân và phản ứng của môi trường.

Tuy nhiên, hệ thống có những hạn chế đáng kể về độ chính xác vật lý. Các đối tượng trong mô phỏng có thể thay đổi vị trí bất ngờ hoặc hoạt động không nhất quán trong các phiên làm việc dài hơn. Google thừa nhận rằng công cụ vật lý không phải lúc nào cũng chính xác, điều này gây phức tạp cho việc đánh giá các tác nhân AI. Nếu một tác nhân thất bại trong một nhiệm vụ, sẽ khó xác định xem lỗi bắt nguồn từ logic của tác nhân hay từ một trục trặc trong chính mô phỏng. Do đó, Google chưa chứng minh rằng Genie 4 có thể thay thế các công cụ vật lý truyền thống cho các bài kiểm thử rủi ro cao, nơi độ chính xác là bắt buộc.

Cách thức hoạt động

Genie 4 dựa vào bộ mô hình Gemini để duy trì các mô phỏng của mình. Gemini Omni giúp định hình môi trường ban đầu, xác định bố cục và các đối tượng hiện diện trong cảnh. Khi thế giới đã hoạt động, Gemini 3.8 Flash giám sát các sự kiện đang diễn ra, lên kế hoạch cho các bước tiếp theo và điều chỉnh mô phỏng theo thời gian thực khi có thay đổi. Sự phân chia lao động này cho phép hệ thống xử lý cả các khía cạnh sáng tạo trong việc xây dựng thế giới lẫn các yêu cầu logic trong việc duy trì trạng thái theo thời gian.

Một ví dụ rõ ràng về kiến trúc này trong hành động là robot hình người Apollo của Apptronik chơi cờ đam. Trong kịch bản này, Gemini 4 Argon lên kế hoạch cho mỗi nước đi dựa trên trạng thái trò chơi, trong khi Genie 4 kết xuất các kết quả trực quan. Các chú thích (captions) điều khiển cảnh, đảm bảo rằng đầu ra trực quan phù hợp với tiến trình logic của trò chơi. Cách tiếp cận này cũng đang được khám phá cho nghiên cứu Gemini Robotics của Google, nhằm cung cấp cho các nhà phát triển một cách để kiểm thử các tác nhân robot trong các môi trường động mà không cần xây dựng lại mô phỏng cho mỗi trường hợp kiểm thử mới.

Chi tiết chính

• Genie 4 kết xuất các môi trường tương tác theo thời gian thực với vật lý mô phỏng, chuyển động con người và âm thanh gốc.
• Hệ thống sử dụng Gemini Omni để định hình môi trường và Gemini 3.8 Flash để lập kế hoạch và điều chỉnh theo thời gian thực.
• Người dùng có thể tương tác với thế giới thông qua bàn phím, điều khiển máy quay hoặc lời nhắc văn bản mà không cần khởi động lại mô phỏng.
• Những điểm không nhất quán về vật lý khiến các đối tượng bị dịch chuyển hoặc hoạt động không thể đoán trước, hạn chế độ tin cậy cho các nhiệm vụ đòi hỏi độ chính xác.
• Google chưa công bố các chuẩn đo lường (benchmarks) về tính nhất quán hiệu suất qua các bài kiểm tra tác nhân lặp lại.
• Quyền truy cập hiện bị giới hạn cho những người thử nghiệm đáng tin cậy, với kế hoạch mở rộng cho các thuê bao Google AI Ultra trong tương lai.

Tại sao điều này quan trọng

Đối với các kỹ sư phần mềm và nhà nghiên cứu AI, Genie 4 đại diện cho một bước tiến quan trọng hướng tới việc huấn luyện tác nhân ở quy mô lớn. Việc xây dựng các môi trường kiểm thử chân thực từ lâu đã là một nút thắt cổ chai, đòi hỏi nỗ lực thủ công lớn để mô hình hóa vật lý, ánh sáng và tương tác giữa các đối tượng. Bằng cách tạo ra các thế giới này theo yêu cầu, Genie 4 có thể giảm đáng kể thời gian cần thiết để tạo nguyên mẫu và kiểm thử các hành vi tác nhân mới. Điều này đặc biệt có giá trị đối với lĩnh vực robot và hệ thống tự hành, nơi các tác nhân phải học cách điều hướng trong các không gian phức tạp, không có cấu trúc.

Tuy nhiên, sự thiếu nhất quán về mặt vật lý đặt ra một thách thức nghiêm trọng cho việc sử dụng trong sản xuất. Trong các ứng dụng liên quan đến an toàn, chẳng hạn như lái xe tự động hoặc robot công nghiệp, độ trung thực của mô phỏng là tối quan trọng. Nếu công cụ vật lý không thể đảm bảo rằng một đối tượng sẽ giữ nguyên vị trí hoặc hoạt động theo các định luật chuyển động đã biết, các nhà phát triển không thể tin tưởng vào dữ liệu huấn luyện được suy ra từ nó. Sự không chắc chắn này có nghĩa là mặc dù Genie 4 hữu ích cho giai đoạn khám phá ban đầu và xác thực ý tưởng, nhưng nó chưa phải là sự thay thế cho các khuôn khổ kiểm thử nghiêm ngặt, xác định.

Việc thiếu các chuẩn đo lường được công bố càng làm phức tạp thêm quyết định áp dụng. Không có dữ liệu về tần suất cùng một lời nhắc tạo ra kết quả nhất quán, các doanh nghiệp có ít cơ sở để tích hợp Genie 4 vào các quy trình kiểm thử tự động. Hiện tại, các nhà phát triển phải coi đầu ra mang tính chất khám phá chứ không phải là xác định, sử dụng nó để xác định các vấn đề tiềm ẩn thay vì để xác minh các số liệu hiệu suất cuối cùng.

Bạn có thể làm gì

• Sử dụng Genie 4 để tạo nguyên mẫu ở giai đoạn đầu nhằm trực quan hóa hành vi của tác nhân trong các bối cảnh đa dạng, được tạo ra.
• Tránh phụ thuộc vào mô phỏng cho các nhiệm vụ vật lý đòi hỏi độ chính xác cao cho đến khi có các chuẩn đo lường về tính nhất quán.
• Kết hợp đầu ra của Genie 4 với các công cụ vật lý truyền thống để kiểm chứng chéo các hành động quan trọng của tác nhân.
• Theo dõi các bản cập nhật từ Google AI Studio để có quyền truy cập rộng rãi hơn và những cải thiện tiềm năng về độ chính xác vật lý.
• Ghi chép lại các bất thường trong mô phỏng trong quá trình kiểm thử để phân biệt giữa lỗi của tác nhân và trục trặc của môi trường.
• Khám phá việc sử dụng nó để kiểm thử các cơ chế trò chơi không quan trọng, nơi độ trung thực vật lý chính xác ít quan trọng hơn.