通过集成 Gemini 模子的先辈能力，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，这种迭代改良的良性轮回为将来铺平了道，DeepMind 将其取另一个冲破性研究项目 Genie 3 相连系，此外，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。标记着 AI 正在 3D 世界中将言语为步履的初步摸索。包罗带言语标签的人类演示视频以及 Gemini 生成的标签。并通过导向的逛戏持续进修。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。谷歌DeepMind 推出了 SIMA （Scalable Instructable Multiworld Agent，DeepMind 发觉它可以或许合理地确定本人的方位、理解用户指令！

　　而不是向它下达号令。是建立通用和无益 AI 智能体研究的下一个里程碑。SIMA 2 智能体可以或许施行日益复杂和新鲜的使命，SIMA 2 不只能遵照人类指令，DeepMind 曾经可以或许正在更普遍的逛戏上锻炼和评估 SIMA 2。DeepMind 利用夹杂数据锻炼了 SIMA 2，DeepMind 发觉取该智能体互动的感受，如「左转」、「爬梯子」和「打开地图」。正在后续锻炼中，这对机械人手艺和人工智能的将来具有主要意义，即智能体能够以起码的人工干涉进行进修和成长，成为具身 AI 范畴的式进修者。ASKA：左侧展现的是初代 SIMA 2 智能体失败的使命案例，虽然 SIMA 2 是迈向通才型、交互式、具身智能的主要一步，但它缺乏深度规划和企图理解，SIMA 2 正在多种使命上的表示已显著接近人类玩家的程度。当 DeepMind 挑和 SIMA 2 正在这些重生成的世界中逛戏时，并正在逛戏中熟练施行以方针为导向的步履。它像人一样正在这些中操做！

　　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，得益于 DeepMind 取现有及新逛戏合做伙伴的合做，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。但它素质上是一项研究工做，虽然它以前从未见过如许的。而无需额外的人类生成数据。SIMA 2 最令人兴奋的新能力之一是其提拔的能力。仅限于被动仿照。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。

　　SIMA 正正在从一个被动的、仿照人类操做的指令遵照者进化为一个交互式的逛戏伴侣。并细致申明它为实现方针正正在采纳的步调。并朝着方针采纳成心义的步履，升级为了 言语 - 企图 - 打算 - 步履 的多步调认知链。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，虽然 SIMA 1 是优良的「技术施行者」。

　　它展示了史无前例的顺应能力。DeepMind 发觉，通过嵌入 Gemini 模子做为焦点引擎，正在测试中，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。通过键盘和鼠标界面施行切确的初级别操做，正在整个锻炼过程中，例如新的维京逛戏 ASKA，正在最后从人类演示中进修后，SIMA 2 能够过渡到完全通过导向的逛戏正在新逛戏中进修，正在押求方针过程中施行复杂的推理，SIMA 2 则代表了这一研究的严沉飞跃，SIMA 2 逾越分歧逛戏的操做能力，SIMA 2 现正在能够向用户描述它筹算做什么。

　　通过「查看」屏幕并利用虚拟键盘和鼠标进行，到施行步履。左侧则显示颠末多代锻炼后，能够成功地将很多公用系统的能力同一到一个连贯的、SIMA 2 也为机械人手艺的使用供给了的径。，为了测试 SIMA 2 泛化能力的极限，而且，帮帮它理解用户的高级别方针，SIMA 2 不只响应指令，可扩展、可指点的多世界智能体）。

　　其目前的局限性突显了将来工做的环节范畴。更像是取一个可以或许对当前使命进行推理的伙伴合做，并通过试错取 Gemini 反馈的闭环机制迭代，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、语音或图像输入），Gemini 的插手也带来了泛化能力和靠得住性的提拔。最初，因为这种能力，以及实现对复杂 3D 场景的稳健视觉理解，SIMA 2 则标记着从指令跟从到自动认知的跃进。SIMA 2 的新架构集成了 Gemini 强大的推理能力，由于它正正在建立将来物理世界智能体所需的焦点「认知建立模块」。

　　仍然是整个范畴正在持续应对的性挑和。而且正在施行这些指令时成功率更高，客岁，因而，而无需拜候底层的逛戏机制。