Google DeepMind ha annunciato Genie 4, una nuova generazione di world model progettata per generare ambienti interattivi in tempo reale attraverso la simulazione simultanea di immagini, movimento, suoni e interazioni tra personaggi. Il sistema è disponibile inizialmente attraverso una research preview riservata a gruppi selezionati di tester e rappresenta un’evoluzione delle tecnologie sviluppate per produrre ambienti virtuali dinamici a partire da informazioni visive e istruzioni. Genie 4 integra capacità multimodali native che comprendono audio ambientale, musica e dialoghi generati insieme alla rappresentazione del mondo, consentendo alle scene di modificarsi mentre l’utente interagisce con l’ambiente. La tecnologia è progettata per simulare non soltanto l’aspetto di un luogo, ma anche gli effetti degli eventi, il comportamento degli oggetti e le reazioni dei personaggi alle azioni compiute.
L’architettura combina Genie 4 con modelli della famiglia Gemini, utilizzati per mantenere una rappresentazione coerente della scena e supportare il ragionamento sulle sequenze di azioni. Gemini Omni contribuisce a collegare le simulazioni alle caratteristiche visive e comportamentali del mondo reale, mentre altri modelli Gemini coordinano l’evoluzione degli eventi e la continuità della simulazione. DeepMind dichiara miglioramenti nella resa fotorealistica, nella fluidità del movimento e nella capacità di rappresentare fenomeni fisici come collisioni e aerodinamica. Un’attenzione particolare è dedicata ai personaggi umani, che possono muoversi nell’ambiente, reagire agli ostacoli e modificare il comportamento durante l’interazione. Il modello genera inoltre suoni ambientali coerenti con il contesto simulato, come vento e onde, e dialoghi che cambiano in funzione degli eventi e delle richieste dell’utilizzatore.
Per affrontare situazioni articolate su più passaggi, DeepMind utilizza Gemini 3.8 Flash come agente di supervisione della simulazione. Mentre Genie 4 genera l’ambiente, Gemini osserva i fotogrammi, interpreta gli obiettivi, suddivide le attività in operazioni successive e verifica il completamento di ciascun passaggio, adattando la pianificazione ai cambiamenti della scena. La società ha inoltre sperimentato l’integrazione con Gemini 4 Argon e Gemini Robotics per attività che coinvolgono sistemi robotici. In una dimostrazione, i modelli coordinano una simulazione del robot umanoide Apollo di Apptronik impegnato in una partita a dama, alternando istruzioni, pianificazione delle azioni e generazione delle conseguenze visive. L’obiettivo sperimentale è ottenere ambienti capaci di rappresentare sequenze causali e procedure articolate, non semplicemente produrre video reattivi ai comandi.
I programmi di valutazione coinvolgono soggetti selezionati nei settori della produzione audiovisiva, del giornalismo, dell’istruzione, dei videogiochi e dell’ingegneria. Nella produzione cinematografica, Genie 4 viene sperimentato per la previsualizzazione delle scene, consentendo di modificare in tempo reale inquadrature, illuminazione, dialoghi e azioni dei personaggi. In ambito giornalistico vengono esplorate applicazioni per ricostruire ambienti partendo da fotografie d’archivio bidimensionali e visualizzare fenomeni ambientali come incendi e alluvioni improvvise. Gli sviluppatori di videogiochi valutano invece la possibilità di creare rapidamente prototipi esplorabili, verificando aspetti visivi e meccaniche interattive prima della scrittura del codice di un motore grafico tradizionale. Le imprese stanno esaminando la generazione di scenari simulati da utilizzare nelle prime fasi di progettazione e valutazione.
DeepMind considera Genie 4 una piattaforma sperimentale ancora soggetta a limiti tecnici e a ulteriori verifiche. Tra le direzioni di ricerca indicate figura lo sviluppo di world model ibridi, nei quali modelli linguistici e sistemi di ragionamento rappresentano le strutture logiche e pianificano gli eventi, mentre i modelli generativi producono in tempo reale gli effetti visivi, sonori e fisici. Tale impostazione potrebbe consentire di utilizzare ambienti simulati non soltanto per l’intrattenimento e la progettazione creativa, ma anche per l’addestramento e la valutazione di agenti autonomi e sistemi robotici.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI).