米Google DeepMindが、新たなワールドモデル「Genie 4」を発表した。
映像に加えて環境音や会話を生成し、自然言語による指示で仮想世界をリアルタイムに変更できる。
ロボットやAIエージェントの訓練への応用も視野に入れる。
音声と物理現象を再現、Geminiが複雑なタスクを支援
2026年10月27日、米Google DeepMindは、ワールドモデル（※）「Genie 4」を発表した。
Genie 4は、現実世界の外観や物理的な挙動を再現する。
Gemini Omniが現実世界に即した外観や動きを支え、ほかのGeminiモデルが複雑な推論を担うことで、場面の一貫性を維持する設計となっている。
ユーザーはキーボードで移動や視点を操作し、文章で天候の変更や人物、物体の追加を指示できる。
空気力学や衝突などの物理現象に対応し、人物の自然な動作や反応も再現する。
音声も標準で生成し、風や波の環境音に加え、状況や入力に応じて変化する会話を実現した。
Gemini 3.8 Flashは生成中の場面を観察し、目標を手順に分解して進捗を確認する。
状況に応じて計画を修正し、複雑な出来事の再現を支援する。
Gemini 4 Argonと組み合わせ、複数の手順を伴うタスクを仮想空間で再現する実験も進めている。
Google DeepMindは公開前に社内で安全性を評価した。
Google DeepMindによると、生成するすべての映像と音声には、AI生成物の識別に役立つ電子透かし「SynthID」を付与する。
映像・ゲーム開発に加え、過去の記録写真を基にした仮想空間の生成や、洪水・山火事などの環境変化の可視化も検証されている。
現在は一部テスター向けの研究プレビュー段階だ。
今後、Google AI Ultra契約者向けのProject Genieや、Gemini API、Google AI Studioの早期アクセスパートナーへの提供を予定する。
一般利用者全体に向けた正式提供時期は明らかにされていない。
※ワールドモデル：現実世界の物理法則や物体の動き、周囲の環境との相互作用などを学習し、状況の変化や行動の結果を予測・再現するAIモデル。ロボットの訓練やAIエージェントの行動検証、仮想空間の生成などへの活用が期待されている。
ゲームやロボット開発に期待、再現精度には課題
Genie 4が実用化に近づけば、映像制作者は構図や照明、セリフを調整しながら場面を試作できる可能性がある。
ゲーム開発者にとっても、本格的な実装前に探索可能な世界を検討する手段となるだろう。
企業にとっては、現実で再現しにくい状況を仮想環境で試せる点が利点となる。
ロボットやAIエージェントの行動を事前に検証し、実環境での開発を補完する手段にもなりうる。
また、災害時の状況を仮想環境で再現する技術が発展すれば、防災教育や訓練への応用も期待できる。
ただし、長時間のシミュレーションや複雑な指示の繰り返しでは、物体の状態や映像の細部にずれが生じる場合がある。
物理現象や音声の再現精度、文字の表示、空間的な整合性にも課題があり、生成結果が現実の挙動を正確に反映するとは限らない。
今後は、長時間の整合性や物理現象の再現精度の向上が重要になるだろう。
特にロボットやAIエージェントの訓練では、仮想環境と現実の挙動の差への対応が欠かせない。
こうした課題の解消が、実用化への鍵となりそうだ。
Google DeepMind 「Genie 4: A new generation of world simulation」
関連記事：
Google、生成AIで世界を探索する「Project Genie」始動 Genie 3を試験提供
LTX、オープンウェイト世界モデル「LTX-2.5」公開 動画生成AIの指示理解向上
グーグルが「Gemini Omni」発表 自然言語で動画生成・編集できる制作モデルを展開
