El modelo de mundo Genie de Google ahora simula calles reales con Street View

La mayoría de nosotros hemos utilizado Google Street View para mostrar a un amigo nuestro antiguo barrio o hemos arrastrado el pequeño icono de la persona hasta París para comprobar si nuestro hotel se encuentra en una zona de moda. Ahora, imaginen experimentar eso con una inmersión total e interactividad, simulando la calle y sus alrededores, ajustando las condiciones climáticas o incluso visualizando escenarios extremos como los de “El día de mañana”.

Esta es la visión detrás de la última integración de Google. A partir de hoy, Google DeepMind vincula Street View con Project Genie, su modelo de mundo de propósito general capaz de generar entornos diversos e interactivos. La función debutó durante la conferencia de desarrolladores Google I/O.

“Es increíblemente potente tanto para aplicaciones de agentes y robótica como para la exploración humana”, dijo Jack Parker-Holder, científico investigador del equipo de apertura continua de DeepMind, hablando con TechCrunch. “Esa siempre ha sido la idea central detrás de Genie”.

Ilustró esto con un escenario que involucra a un nuevo robot desplegado en Londres, donde la luz solar es escasa. Según Parker-Holder, Genie puede simular esos momentos infrecuentes en los que la luz solar brilla en los edificios victorianos, asegurando que el robot no se asuste por un brillo repentino.

“Alternativamente, podrías decir: ‘Voy a visitar la ciudad de Nueva York, pero no durante esta temporada’”, añadió. “Va a nevar. Quiero ver cómo se ve esa manzana bajo la nieve”.

Durante dos décadas, Google ha recopilado datos de Street View utilizando coches equipados con cámaras y personas que llevan “mochilas de rastreo”. El gigante tecnológico ha acumulado más de 280.000 millones de imágenes en 110 países y los siete continentes.

“Street View nos proporciona imágenes de una gran parte del mundo”, explicó Jack. “Imaginen el potencial de combinar estos ricos datos del mundo real con la capacidad de simular mundos enteros”.

El pasado agosto, Google lanzó Genie 3 para una vista previa de investigación y, en enero, concedió acceso a los suscriptores de Google AI Ultra en Estados Unidos, permitiéndoles crear mundos de juegos interactivos a partir de indicaciones de texto o imágenes. El objetivo es aprovechar Genie para experiencias educativas, juegos y entrenamiento de robótica.

Genie 3 ya está impulsando uno de los simuladores de Waymo para entrenar coches autónomos en “eventos extremadamente raros” como tornados o encuentros inesperados con elefantes. Incorporar datos de Street View podría ayudar a Waymo a prepararse para lanzamientos en más ciudades globales.

Waymo utiliza su propio simulador para expandir sus operaciones a 11 ciudades de EE. UU. y probar su conductor de IA en varias otras. Parker-Holder señala que, aunque estas simulaciones son desde la perspectiva del coche, Street View permite simular un mundo anclado a una ubicación real y cambiar el punto de vista hacia otros agentes, como humanos o robots.

Google está implementando Street View en Genie para usuarios Ultra seleccionados en EE. UU. hoy, con un acceso más amplio para usuarios Ultra globales que llegará en las próximas semanas, según la empresa.

Diego Rivas, gerente de producto en DeepMind, declaró que los investigadores tienen como objetivo hacer esta capacidad ampliamente disponible. Advirtió que Street View, y Genie en general, sigue siendo experimental, con un margen significativo de mejora en la precisión.

En las demostraciones mostradas por Google, incluida una simulación submarina de un barrio donde viví en el pasado, los resultados son impresionantes y reconocibles, pero aún se asemejan a gráficos de videojuegos en lugar de fotorrealismo. Los modelos también carecen de conciencia física, lo que significa que aún no comprenden la causa y el efecto. Por ejemplo, en una simulación de una mujer corriendo por la nieve en Joshua Tree, pasó directamente a través de cactus y arbustos.

Esto contrasta con el generador de imágenes de Google Nano Banana, que ahora puede generar texto perfecto en infografías, o su generador de video Veo, que entiende que los barcos de papel flotan en las corrientes de agua, el humo se dispersa en el aire y la tela se drapea sobre las formas.

La física no está codificada de forma rígida en estos modelos; la aprenden intuitivamente con el tiempo mediante la observación pasiva, al igual que un ser vivo.

“Creo que este tipo de modelo va por detrás del video en términos de precisión y calidad entre seis y doce meses, así que creo que resolveremos eso”, dijo Parker-Holder.

Jonathan Herbert, director de Google Maps, que comenzó en el equipo de Street View como becario hace 12 años, señaló que Genie aún no puede crear una reconstrucción fiel de una calle. Cree que el verdadero avance radica en la continuidad espacial de la IA: si giras 360 grados, la IA recuerda y simula correctamente el entorno detrás de ti. A partir de ahí, el modelo puede construir un nuevo entorno sobre esa base.

“Hemos considerado durante mucho tiempo cómo construir el mejor y más rico modelo del mundo utilizando datos de Street View”, dijo Herbert. “Definitivamente ha sido nuestro objetivo utilizar los datos de Maps de nuevas formas y para nuevos tipos de investigación de IA durante bastante tiempo”.