Google LLC a présenté aujourd'hui en avant-première Genie 4, un modèle d'intelligence artificielle capable de générer des environnements tridimensionnels réalistes.
L'algorithme est le dernier ajout à une série de modèles mondiaux lancés par la société en 2024. Par rapport à son prédécesseur, Genie 4 est meilleur pour restituer des mouvements fluides et d'autres détails complexes. De plus, il peut générer un son d’accompagnement tel que le bruit des vagues qui s’écrasent.
« Le saut le plus spectaculaire est la façon dont Genie 4 simule les gens, créant des personnages qui se déplacent naturellement, réagissent de manière organique à leur environnement et peuvent être pilotés de manière interactive en temps réel », ont écrit Raia Hadsell, Diego Rivas et Hang Qi, membres du personnel de Google DeepMind, dans un communiqué. article de blog.
Les utilisateurs peuvent créer un monde virtuel en fournissant à Genie 4 une description en langage naturel de ce qu'ils souhaitent restituer. Ils peuvent ensuite naviguer dans la simulation et apporter des modifications en saisissant des invites de suivi. Par exemple, un utilisateur pourrait demander à Genie 4 de modifier la météo ou d'ajouter plus d'objets. Le modèle peut effectuer de telles modifications d'une manière qui ne réduit pas le photoréalisme ou la cohérence du monde virtuel.
L'interface en langage naturel de Genie 4 est disponible aux côtés des commandes du clavier. Ils peuvent être utilisés pour modifier la position et l’angle de la caméra.
Sous le capot, Genie 4 utilise plusieurs autres modèles Google pour améliorer sa qualité de sortie. Il s'appuie sur Gemini Omni, un générateur vidéo introduit par le géant de la recherche en mai, pour garantir que les ressources visuelles qu'il génère sont réalistes. Gemini 3.8 Flash, un modèle de raisonnement optimisé pour la rentabilité, rend les images individuelles d'une simulation cohérentes les unes avec les autres.
« Gemini observe continuellement la scène, décompose les objectifs en une séquence d'étapes et examine les images entrantes pour suivre la progression et vérifier que chaque étape a réussi », ont écrit Hadsell, Rivas et Qi. « À mesure que le monde évolue ou que l'utilisateur intervient, Gemini adapte son plan sur le moment. »
DeepMind étudie actuellement comment Genie 4 peut être appliqué aux cas d'utilisation de la robotique. Le projet combine l'algorithme avec Gemini 4 Argon, le grand modèle de langage phare optimisé pour le raisonnement de Google.
L'objectif du projet est de permettre aux ingénieurs de simuler des robots à l'aide d'instructions de haut niveau. Par exemple, un utilisateur pourrait demander à Argon de générer des images synthétiques d’un bras robotique soudant ensemble deux pièces de voiture. Argon peut transformer la brève demande en dizaines d'invites Genie 4 très détaillées et multi-phrases, chacune décrivant une étape différente du flux de travail de soudage.
L'augmentation du nombre et de la précision des invites fournies à Genie 4 améliore la qualité du rendu. Cette amélioration de la qualité rend à son tour les simulations de robots du modèle plus utiles à des fins de formation en IA. Les développeurs forment des modèles d’IA pour contrôler les robots en leur fournissant des exemples visuels de la manière d’accomplir les tâches qu’ils seront censés effectuer.
Google teste actuellement Genie 4 auprès d'un nombre limité d'adoptants précoces. Il prévoit de rendre le modèle disponible via son abonnement Google AI Ultra pour les consommateurs, l'API Gemini et Google AI Studio.
