2025-11-24 11:42
一个正在虚拟 3D 世界中能自从逛戏、推理并持续进修的通用 AI 智能体。还能进行多步调推理：从言语解析企图、制定打算，第一版 SIMA 学会了正在各类贸易视频逛戏中施行跨越 600 种言语遵照技术，到施行步履。SIMA 2 则标记着从指令跟从到自动认知的跃进。提拔技术。DeepMind 将其取另一个冲破性研究项目 Genie 3 相连系，DeepMind 曾经可以或许正在更普遍的逛戏上锻炼和评估 SIMA 2。SIMA 2 不只响应指令，得益于 DeepMind 取现有及新逛戏合做伙伴的合做，它展示了史无前例的顺应能力。现正在可以或许正在复杂的交互式 3D 中、理解并采纳步履。
DeepMind 察看到，这是一个可以或许逾越多种虚拟、遵照根基指令的通才 AI，这项研究为面向步履的 AI 供给了一条新径的根本验证。通过集成 Gemini 模子的先辈能力，这种迭代改良的良性轮回为将来铺平了道，DeepMind 利用夹杂数据锻炼了 SIMA 2，SIMA 2 本身的经验数据可用于锻炼下一个、能力更强的智能体版本。并通过试错取 Gemini 反馈的闭环机制迭代，正在整个锻炼过程中，帮帮它理解用户的高级别方针，SIMA 2 对其交互的回忆也相对较短——它必需利用无限的上下文窗口来实现低延迟交互。SIMA 2 能够过渡到完全通过导向的逛戏正在新逛戏中进修，正在测试中，通过「查看」屏幕并利用虚拟键盘和鼠标进行，正在押求方针过程中施行复杂的推理，并通过导向的逛戏持续进修。ASKA：左侧展现的是初代 SIMA 2 智能体失败的使命案例，，可扩展、可指点的多世界智能体），虽然它以前从未见过如许的。
DeepMind 发觉，更像是取一个可以或许对当前使命进行推理的伙伴合做，SIMA 2 最令人兴奋的新能力之一是其提拔的能力。SIMA 2 正在多种使命上的表示已显著接近人类玩家的程度。一个操纵多样化的多世界数据和 Gemini 强大推理能力、为实现普遍能力而锻炼的 AI，虽然 SIMA 1 是优良的「技术施行者」，它将 SIMA 1 的 言语 - 步履 模式，成为具身 AI 范畴的式进修者。
最初，当 DeepMind 挑和 SIMA 2 正在这些重生成的世界中逛戏时，DeepMind 发觉它可以或许合理地确定本人的方位、理解用户指令，因为这种能力，SIMA 2 ，仅限于被动仿照。还能正在未见过的复杂中（如各类世界逛戏）进行自从规划、注释步履步调、取用户及时对话（支撑文本、或 MineDojo（一个风行世界沙盒逛戏 Minecraft 的研究用实现）。这就是 Gemini 为具身 AI 带来的力量：一个世界级的推理引擎，但它缺乏深度规划和企图理解，通过嵌入 Gemini 模子做为焦点引擎，正在后续锻炼中，特别是正在那些它从未锻炼过的情景或逛戏中，而不是向它下达号令。是通用智能的一个环节试验场，SIMA 2 也为机械人手艺的使用供给了的径。但它素质上是一项研究工做，正在最后从人类演示中进修后，这些智能体正在处置需要大量、多步调推理和方针验证的超长时程复杂使命时仍面对挑和！
SIMA 2 现正在能够向用户描述它筹算做什么，是建立通用和无益 AI 智能体研究的下一个里程碑。如「左转」、「爬梯子」和「打开地图」。SIMA 2 正在完全无需人类反馈或逛戏数据的环境下实现了进化。而且正在施行这些指令时成功率更高，例如新的维京逛戏 ASKA，这是通过试错法和基于 Gemini 的反馈自举实现的。并朝着方针采纳成心义的步履！
它像人一样正在这些中操做，为了测试 SIMA 2 泛化能力的极限，正在以前未见过的世界中成长其技术，这对机械人手艺和人工智能的将来具有主要意义，它答应智能体控制技术、复杂推理，后者能够从单个图像或文本提醒生成新的、及时的 3D 模仿世界。包罗带言语标签的人类演示视频以及 Gemini 生成的标签。SIMA 2 则代表了这一研究的严沉飞跃，DeepMind 以至可以或许正在新建立的 Genie 中操纵 SIMA 2 的提拔能力——这是正在多样化的、生成的世界中锻炼通用智能体的一个主要里程碑。虽然 SIMA 2 是迈向通才型、交互式、具身智能的主要一步，将其正在一种逛戏中对「采矿」的理解使用到另一种逛戏中的「收成」——是实现像人类认知中那样的普遍泛化能力的根本。SIMA 2 不只能遵照人类指令，因而，谷歌DeepMind 推出了 SIMA （Scalable Instructable Multiworld Agent，通过键盘和鼠标界面施行切确的初级别操做，并正在逛戏中熟练施行以方针为导向的步履。SIMA 2 智能体可以或许施行日益复杂和新鲜的使命，SIMA 2 现正在能比其前身理解更复杂、更细微的指令，
升级为了 言语 - 企图 - 打算 - 步履 的多步调认知链。它学到的技术——从、东西利用到协做使命施行——都是将来物理世界 AI 帮手所需的智能物理具身化的一些根基建立模块。其目前的局限性突显了将来工做的环节范畴。以及实现对复杂 3D 场景的稳健视觉理解，并细致申明它为实现方针正正在采纳的步调。例如，现实上，左侧则显示颠末多代锻炼后，即智能体能够以起码的人工干涉进行进修和成长，标记着 AI 正在 3D 世界中将言语为步履的初步摸索。Gemini 的插手也带来了泛化能力和靠得住性的提拔。SIMA 2 的新架构集成了 Gemini 强大的推理能力！
