Google DeepMind lanza Genie 4, una IA que simula mundos visuales y sonoros en tiempo real

Google DeepMind ha presentado Genie 4, un avanzado modelo de simulación de mundos capaz de generar entornos visuales y auditivos de forma simultánea y en tiempo real. A diferencia de las herramientas anteriores que añadían sonido después de crear las imágenes, Genie 4 produce ambos componentes de manera nativa, creando escenarios con detalles visuales, ruidos ambientales, diálogos y música que responden a las acciones del usuario.

El sistema se apoya en la familia de modelos Gemini para garantizar un razonamiento complejo que mantiene la coherencia espacial y el comportamiento físico realista. Según explica la empresa, Gemini Omni basa las simulaciones en la apariencia y comportamiento del mundo real, mientras que otros modelos de la familia aseguran la continuidad de la simulación. Esto permite a los usuarios modificar activamente el entorno mediante instrucciones en lenguaje natural, como cambiar el clima o añadir objetos, lo que abre nuevas aplicaciones en dirección creativa, fotorrealismo histórico y robótica avanzada.

Aplicaciones en cine, videojuegos y robótica

Actualmente, Genie 4 se encuentra en fase de preview para evaluadores de confianza y socios estratégicos. En la industria cinematográfica, la herramienta podría funcionar como un 'modo borrador', permitiendo a los cineastas ejecutar múltiples tomas en tiempo real y ajustar ángulos, iluminación y diálogos antes de rodar en la realidad. En el sector de los videojuegos, los desarrolladores podrían pasar de una idea inicial a un prototipo explorable en segundos, evaluando estilos visuales y mecánicas mediante prompts de texto. Sin embargo, esta capacidad ha generado inquietud entre algunos creadores que temen que la IA se utilice para generar más que simples prototipos.

En el ámbito de la robótica, Genie 4 permite generar entornos de entrenamiento infinitamente variables para agentes físicos. Se ha probado su integración con modelos de razonamiento para simular tareas complejas, como la interacción del robot humanoide Apollo de Apptronik o el uso de brazos robóticos como el Universal Robots UR5 para tareas de laboratorio, como sostener pipetas y dispensar líquidos.

A pesar de sus avances, Google DeepMind señala que Genie 4 sigue siendo un modelo experimental con limitaciones clave. La principal es la memoria: las simulaciones mantienen la coherencia durante un máximo de unos pocos minutos antes de que el modelo pierda el hilo. La consistencia a largo plazo sigue siendo un área de investigación activa, ya que los detalles visuales y la presencia de objetos pueden alterarse o desaparecer tras múltiples modificaciones. Además, el modelado de interacciones físicas avanzadas y la generación de texto legible dentro de los entornos simulados aún requieren perfeccionamiento.

Para mitigar estas limitaciones, Genie 4 trabaja en tándem con Gemini 3.8 Flash, que actúa como un 'agente guía' supervisando la simulación en tiempo real. Este agente verifica la coherencia visual, física y narrativa, ajustando el plan sobre la marcha cuando el usuario modifica la simulación. Google considera que estos modelos de mundo son un elemento clave en el avance hacia la inteligencia artificial general (IAG).