谷歌的Genie世界模型现在可以通过街景模拟真实街道

# Google 的 Genie 世界模型现在可以通过街景模拟真实街道 | TechCrunch 来源: https://techcrunch.com/2026/05/19/googles-genie-world-model-can-now-simulate-real-streets-with-street-view/ 我们都曾打开 Google 地图上的街景视图，向朋友展示我们童年时的家是什么样子，或者把那个小人图标拖到巴黎的街道上，看看自己订的酒店是不是在一条好街区里。想象一下，如果这种体验能变得更加沉浸、更加互动，让你能够真正模拟一条街道及其周边环境，甚至还能调整天气，或者看看它要是处于《后天》那样的场景中会是什么样子。 这正是 Google 最新整合的目标之一。从今天开始，Google DeepMind 将街景视图连接到 Project Genie（https://techcrunch.com/2026/01/29/i-built-marshmallow-castles-in-googles-new-ai-world-generator-project-genie/），这是该公司推出的通用世界模型，能够生成多样化的交互式环境。这项新功能是在 Google I/O 开发者大会上正式发布的。 “无论是在智能体（以及机器人）的应用场景中，还是在供人类玩赏的用途上，它都非常强大，而这也一直是 Genie 的核心理念，”DeepMind 开放式团队的研究科学家 Jack Parker-Holder 告诉 TechCrunch。 他举了一个例子：一个新型机器人被部署在伦敦，而伦敦很少见到阳光。Parker-Holder 说，Genie 可以模拟出那种罕见的时刻——阳光洒落在维多利亚式住宅上，这样当光线突然出现时，机器人就不会被惊到。 “与此同时，你可能会说，‘我要去纽约市，但不是这个季节，’”他继续说道。“那里会下雪。我想看看那条街区在雪中是什么样子。” Google 通过装有摄像头的汽车和背着“追踪背包”的个人收集街景数据已经 20 年了。这家科技巨头已经收集了超过 2800 亿张图像，覆盖 110 个国家和七大洲。 “借助街景，我们拥有来自全球大量地方的图像，”Jack 说道。“你可以想象，将这一丰富的真实世界信息与数据源，和模拟世界的能力结合起来，会带来多么强大的潜力。” Google 去年 8 月发布了其最新世界模型 Genie 3 的研究预览版（https://techcrunch.com/2025/08/05/deepmind-thinks-genie-3-world-model-presents-stepping-stone-towards-agi/），并于 1 月向美国的 Google AI Ultra 订阅者开放了该工具的访问权限，允许用户通过文本提示或图像创建交互式游戏世界。其目标是利用 Genie 进行教育体验、游戏和机器人训练。 Genie 3 已经在为 Waymo 的一个模拟器（https://waymo.com/blog/2026/02/the-waymo-world-model-a-new-frontier-for-autonomous-driving-simulation/）提供动力，用于训练其自动驾驶汽车应对“极其罕见的事件”，比如龙卷风或偶然遇到大象。将街景数据整合进去，可能有助于 Waymo 准备在全球更多城市推出服务。 Waymo 有自己的模拟器，依靠它扩展到了 11 个美国城市，并在更多城市中测试了其 AI 驾驶员。Parker-Holder 表示，不同之处在于，那些模拟都是从车辆视角出发的。而街景不仅可以模拟一个与现实地点绑定的世界，还能将视角切换到其他类型的智能体上，比如人类或机器人。 从今天开始，Google 会在 Genie 中向部分美国 Ultra 用户推出街景功能，并逐步扩大访问规模。据该公司称，全球的 Ultra 用户将在未来几周内获得访问权限。 DeepMind 的产品经理 Diego Rivas 表示，研究人员的目标是让尽可能多的人用到这一新能力。他提醒说，街景功能本身以及整个 Genie 仍然是一个实验，因此在准确性方面还有很多需要改进的地方。 在 Google 团队向我展示的样本中——包括一个我曾居住过的社区的水下模拟——结果令人印象深刻且可辨识，但仍是电子游戏级别的画质，而非照片级真实感。这些模型目前还不具备物理感知能力，也就是说它们还不理解因果关系。例如，在一个模拟中，一名女子在雪中的约书亚树国家公园奔跑，竟然直接穿过了仙人掌和灌木丛。 相比之下，比如 Google 的图像生成器 Nano Banana——现在可以在信息图中生成完美的文字——或者其视频生成器 Veo，它理解纸船会随水流漂浮、烟雾会在空气中扩散、布料会垂落在物体表面。 物理规则并不是被硬编码进这些模型的；它们通过被动观察，像生物一样随着时间的推移直觉地学会这些知识。 “我认为对于这类模型，在准确性和质量方面，它可能落后视频生成六到十二个月，所以我认为这是一个我们终将解决的问题，”Parker-Holder 说。 Jonathan Herbert 是 Google 地图的主管，12 年前他作为实习生加入了街景团队。他说 Genie 目前还无法忠实地重建一条街道。他认为真正的突破在于 AI 的空间连续性。如果你旋转 360 度，AI 会正确地记住并模拟出你身后的环境。从那个点开始，模型可以在此基础上构建出新的环境。 “我们长期都在思考，如何利用街景数据构建出最好、最丰富的世界模型，”Herbert 说。“很久以来，我们就有一个想法，那就是以新的方式使用地图数据，用于新类型的人工智能研究。” *当您通过我们文章中的链接购买商品时，我们可能会获得少量佣金（https://techcrunch.com/techcrunch-affiliate-monetization-standards/）。这不会影响我们的编辑独立性。*