AIが「世界」を動かし始めた。Genie 4はロボットの練習場になるか

画面の中の景色を動かすだけでなく、歩き回り、話しかけ、途中で天候まで変えられる。Google DeepMindが10月27日に発表した「Genie 4」は、そんな操作可能な世界をリアルタイムで生成する研究モデルだ。映像に音を後付けするのではなく、環境音や会話も世界と同時に作るという。注目したいのは映像の美しさ以上に、AIが現実に出る前に試行錯誤する「練習場」になり得るか、という点だ。

見る映像から、介入できる世界へ

DeepMindの説明によると、利用者はキーボードで移動し、文章で天気や人物、物体を追加できる。モデルはその入力を受け、周囲の景色、動き、音を続けて生成する。従来の動画生成と違うのは、あらかじめ完成した一本を再生するのではなく、操作のたびに次の状態が変わることだ。

さらに同社は、Geminiを組み合わせた実験も示した。Geminiが場面を観察して目標を小さな手順に分け、Genieが世界を描く。途中で状況が変われば計画も調整する。ロボットが物を扱う場面のデモも公開されたが、これはシミュレーション内の実験であり、実機が同じ作業を成功させた証拠ではない。

ロボットの訓練に必要な「失敗できる場所」

現実のロボットには、珍しい事故や危険な状況を大量に試せないという制約がある。操作に応じて変わる世界を多様に作れれば、エージェントの行動を確かめる環境を増やせる。日本でも、物流、介護、製造のように現場ごとの違いが大きい分野では魅力的な発想だ。

ただし、映像がもっともらしいことと、物理的に正しいことは別だ。DeepMind自身、複雑な物理的相互作用や空間の正確さ、長時間の一貫性を今後の課題として挙げている。学習環境に使うなら、見栄えだけでなく、接触、重量、失敗条件などが現実とどれほど一致するかを測らなければならない。現時点で、Genie 4による訓練が実機の性能をどれだけ改善したかを示す数値は、発表資料にない。

クリエイターにも広がるが、まずは限定公開

DeepMindは映像制作の事前構成、ゲームの試作、教育などでもテスターが使い方を探っていると紹介する。写真一枚からその場を歩けるようにする試みは、表現の道具としても興味深い。一方、生成した世界を史実や現実の再現として受け取らせない配慮が欠かせない。同社は生成映像と音声にSynthIDの電子透かしを付けるとしている。

Genie 4は現在、信頼できるテスター向けの研究プレビューだ。Google AI Ultraの利用者や開発者向けには今後提供する計画で、一般に使える製品としての性能や提供時期を断定できる段階ではない。

世界モデルの競争は、画質の比較だけでは測れない。これから問われるのは、作った世界で試した行動が、現実でも役立つかどうかだ。

---

出典：Google DeepMind「Genie 4: A new generation of world simulation」（2026年10月27日）。日本の産業への示唆はLocalLensJapanの分析。