Google、世界モデルを体験できる「Project Genie」公開：歩き回れる仮想空間をリアルタイム生成

文章や画像、動画を生成する AI はすでに定着しつつありますが、生成された世界の中をキーボードで自由に歩き回れるとしたらどうでしょうか。Google DeepMind は 1 月 29 日、対話型の世界生成モデルを体験できる実験用プロトタイプ「Project Genie」の提供を開始しました。

利用できるのは米国の 18 歳以上の Google AI Ultra 加入者で、順次提供地域を拡大する予定です。

歩くたびに先がリアルタイム生成される世界

Project Genie は、Google が 8 月にプレビュー公開した汎用世界モデル「Genie 3」に、Nano Banana Pro と Gemini を組み合わせたウェブアプリです。

あらかじめ作られた静的な 3D 空間を歩くのではなく、ユーザーが操作する方向やアクションに応じて、Genie 3 が前方の風景や物理的な相互作用をリアルタイムに予測・生成していきます。

主な機能は、スケッチ、探索、リミックスの 3 つです。

スケッチ機能では、テキストの指示やアップロードした画像から世界を作り出せます。歩く、走る、車に乗る、空を飛ぶといった移動手段を指定できるほか、Nano Banana Pro を使って入場前にプレビューを確認したり、一人称視点か三人称視点かを切り替えることも可能です。

探索機能では、視点を動かしながら自由に世界を歩き回ることができます。また、ギャラリーにある他のユーザーの世界をベースにプロンプトを書き換えてリミックスしたり、探索した様子を動画として書き出すこともできます。

60 秒の壁と物理挙動の課題

先進的な試みである一方、Google DeepMind は早期の研究プロトタイプとしての制約も明かしています。

まず、1 回の生成と探索は最長 60 秒に制限されています。

また、生成された世界が必ずしも現実の物理法則やプロンプト通りに動くとは限らず、キャラクターの操作に遅延が発生したり、思うように動かせない場面もあります。8 月の発表時に示されていた、探索中にプロンプトを入力して世界内のイベントを変化させる機能も、今回のプロトタイプにはまだ搭載されていません。

なぜ重要か

これまで画像や動画の生成 AI は「眺める」ためのコンテンツを作ってきましたが、世界モデルは「触って動かす」ための環境を直接生み出します。ゲーム開発における初期のプロトタイプ作成や世界観の検証において、従来の 3D エンジンを使わずにテキストだけで操作可能な空間を作れる意味は非常に大きいです。

業界全体で見れば、この技術はエンタメにとどまらず、ロボティクスや自律型エージェントの訓練環境として不可欠なステップとなります。AI に現実世界の物理法則や因果関係を学ばせるためのシミュレーターを、ニューラルネットワーク自身が生成できることを示しているからです。

事前編集ツールとして Nano Banana Pro を組み込み、生成ガチャになりがちな初期設定をコントロールしやすくした設計は巧みだと評価できます。一方で、60 秒という制限や操作遅延は、リアルタイム推論にかかる膨大な計算コストの高さを物語っています。現時点では Ultra プラン加入者向けの実験的な遊び場にとどまりますが、インタラクティブメディアの未来を占う上で注視すべき一歩です。