Genie 4, entre mondes interactifs et tests d’agents

LLéna

Google DeepMind a annoncé Genie 4, un modèle qui génère des mondes interactifs et peut les modifier en cours de simulation à partir d’instructions écrites. The Verge rapporte que Google envisage Genie 4 pour prévisualiser des films, prototyper des jeux et créer des scénarios d’entraînement pour les robots. Google indique que le modèle s’appuie sur Gemini 3.8 Flash et peut générer des expériences d’environ 2 minutes, contre 1 minute pour Genie 3. TechCrunch insiste davantage sur l’immersion. Genie 4 produit en temps réel des sons d’ambiance, de la musique et des dialogues interactifs. Les utilisateurs peuvent aussi changer la météo, l’angle de caméra ou ajouter des objets pendant que la scène se déroule. Le média décrit une expérience où Gemini 4 Argon décompose des tâches, ensuite simulées par Genie 4, pour explorer des tests robotiques avant leur exécution dans le monde réel. The New Stack s’intéresse surtout à l’évaluation des agents d’intelligence artificielle. Genie 4 pourrait générer des environnements de test à la demande, où des agents répètent des tâches en plusieurs étapes. Google explore cet usage dans ses recherches en robotique, tandis que des développeurs de jeux testent des mécaniques avant d’écrire le code de leurs moteurs. Mais les objets peuvent changer de place ou se comporter de façon imprévisible au fil des longues sessions. Aucun benchmark de répétabilité n’a été publié, et Genie 4 n’a pas été démontré comme un remplacement des moteurs physiques traditionnels pour les tests à forts enjeux. The Decoder décrit, lui, le fonctionnement du modèle : Genie 4 calcule la scène image par image, plutôt que de produire une vidéo déjà finalisée. Le média souligne aussi les limites physiques et la dérive de certains détails visuels pendant les sessions prolongées. Il rapporte notamment la simulation d’un robot Apollo jouant aux dames, mais aucun robot réel n’a participé à cette démonstration. Ces médias décrivent Genie 4 comme un modèle interactif en aperçu de recherche, avec des capacités et des limites différentes selon les usages évoqués. Leurs regards varient : possibilités créatives et audio pour TechCrunch, cas d’usage potentiels pour The Verge, tests d’agents pour The New Stack, fonctionnement et limites pour The Decoder.