概要
Google DeepMindは2026年10月27日、音声を含むインタラクティブなシミュレーションを生成する世界モデル「Genie 4」を発表した。信頼できるテスター向けのリサーチプレビューとして提供を始めており、ApptronikのヒューマノイドApolloを使ったシミュレーション例も公開した。
詳しいファクト
映像・音声をリアルタイムに生成する世界モデル
Google DeepMindは2026年10月27日、世界モデル「Genie 4」を発表した。Geminiファミリーの能力を取り入れ、ユーザーの指示に応じてシミュレーション内の天候やカメラ位置、人物・物体などを変化させる。風や波などの環境音に加え、世界の出来事やユーザー入力に応じた会話音声も生成する。
出典を確認 ↗ロボットのタスクをシミュレーションするデモ
Google DeepMindは、Genie 4と「Gemini 4 Argon」を「Gemini Robotics」の研究に組み合わせる実験を進めている。公開デモでは、Argonがタスクを手順に分け、Genie 4がその手順を反映しながらApptronikのヒューマノイドApolloによるボードゲームのプレイをリアルタイムにシミュレーションした。これはデモとして示されたもので、実環境でのロボット運用実績を示すものではない。
出典を確認 ↗提供状況と明示された制約
Genie 4は初期段階の実験モデルとして、信頼できるテスター向けのリサーチプレビュー提供が始まっている。短いセッションでは環境の一貫性を保てる一方、長時間の生成や複雑な編集では視覚的な細部や物体の永続性がずれる場合がある。複雑な物理現象、音声の正確さ、文字の描画、空間の正確さ、長期的な一貫性も、継続中の研究課題として挙げられている。
出典を確認 ↗安全対策と識別技術
Google DeepMindは、有害なコンテンツの生成を防ぐため、既存モデルと同様の安全方針に沿ったガードレールを設け、社内評価を実施した。Genie 4が生成する映像と音声には、AI生成コンテンツの識別を目的とする電子透かし技術「SynthID」を埋め込む。
出典を確認 ↗独自観点のコメント
シミュレーションをロボット研究に使う際の接点 Genie 4の特徴は、操作可能な映像だけでなく、環境音や会話、タスクの手順を一つのシミュレーションに組み込む点にある。Apolloのデモでは、Gemini 4 Argonが手順を構成し、Genie 4が場面を描く役割分担が示された。ロボットのタスク設計とシミュレーション生成を接続する試みとして注目できる。
ただし、公開情報で確認できるのは実験とデモであり、実機の訓練や業務で有効性が実証されたとは言えない。長期的な一貫性や物理現象、空間精度などに課題が明示されているため、現段階では完成したロボット訓練基盤というより、用途と性能を検証する研究プレビューと位置づけるのが妥当だ。
関連する企業・製品
出典
- 媒体記事 ロボスタ — 元記事を読む ↗