Google DeepMind發佈SIMA 2預覽版 性能翻倍邁向通用機器人

Google DeepMind推出多模態智能體SIMA2，依託Gemini2.5Flash-lite模型，任務成功率較SIMA1提高約一倍，可在未見過的新環境中完成複雜指令，並具備自我改進能力。該版本目前以研究預覽形式發佈，旨在驗證邁向通用機器人與AGI所需的高層級世界理解與推理能力。

SIMA2繼續以數百小時遊戲視頻進行預訓練，但首次引入自生成數據循環:進入新場景後，系統調用獨立Gemini模型批量生成任務，再由內部獎勵模型打分，篩選高質量軌跡用於持續微調，無需額外人工標註即可提升表現。研究團隊稱，該機制使智能體在《No Man’s Sky》等測試環境中能通過閱讀環境文本、識別顏色和符號，自主執行“前往紅色房屋”或“砍伐樹木”等指令，甚至可理解emoji組合命令。

DeepMind在演示中結合生成式世界模型Genie，爲SIMA2即時生成逼真戶外場景，智能體可準確識別長椅、樹木、蝴蝶等對象並交互。高級研究科學家Jane Wang表示，這種“看懂場景→推斷目標→規劃動作”的閉環，正是把虛擬環境能力遷移至真實機器人所必需的高層行爲模塊。

不過，SIMA2目前聚焦於高層決策，不涉及機械關節、輪子等底層控制。DeepMind同期訓練的機器人基礎模型採用不同技術路線，兩者如何融合尚未確定。團隊拒絕透露正式版發佈時間，僅稱希望通過預覽吸引外部合作，共同探索虛擬智能體向實體機器人遷移的可行路徑。