Google推出Project Genie街景功能，让AI虚拟世界接轨真实地点

背景与意义

Google DeepMind近期发布的Project Genie是一款面向生成式世界建模的通用模型，已被用于机器人学习、自动驾驶仿真等科研场景。此次在Project Genie中加入Street View锚定能力，旨在让模型生成的虚拟环境能够直接映射到真实世界的地理影像，从而降低AI在真实场景下的感知与决策成本。

新增街景锚定功能

• 地图定位：在Genie界面点击Maps图钉，即可选取美国境内任意街景地点作为场景起点。
• 风格切换：支持“Desert Sands”“Stone Age”“Ocean World”等多种艺术风格，用户可在真实地点上叠加创意渲染。
• 角色描述：输入角色或物体（如动漫英雄、黏土怪兽），系统会在选定的真实地点生成交互式场景。

“想象金门大桥沉入海底的景象，只需选‘Ocean World’样式，即可看到鱼群围绕桥体游弋。”——项目负责人Diego Rivas

关键特性概览

• 真实影像 grounding：利用Maps Imagery Grounding技术，将Street View的全景影像作为生成模型的空间基准。
• 跨模态交互：支持文本指令、图像示例以及风格提示，实现文本‑图像‑场景的多模态协同创作。
• 全球可用性：首批在美国开放，后续将逐步覆盖更多国家和地区。
• 面向 AI Ultra 订阅者：该功能随Google AI Ultra（每月200美元）全球 rollout，面向18岁以上用户。

市场与未来展望

Project Genie的街景锚定为AI代理提供了“真实感知层”，有望加速以下领域的发展：

1. 机器人与自动驾驶仿真：在真实道路影像上进行高保真训练，降低实际道路测试成本。
2. 游戏与沉浸式内容创作：创作者可基于真实地标快速生成交互式关卡，提升内容产出效率。
3. 教育与文化遗产保护：通过历史风格渲染，让学生在虚拟环境中体验过去的城市面貌。

Google 表示，后续将继续扩展Street View覆盖范围，并优化模型的空间一致性和渲染细节，以实现更大尺度的真实‑虚拟混合应用。

参考链接

• Google DeepMind 官方博客（发布原文）
• Google Maps Imagery Grounding 技术文档
• Google AI Ultra 订阅页面