Google Deepmind verknüpft sein Weltmodell Genie 3 mit Street-View-Bildern: Nutzer setzen einen Pin auf der Karte und erhalten eine begehbare, KI-generierte Welt auf Basis realer Orte. Googles jahrelang gesammeltes Straßenbildmaterial wird damit zum strategischen Trainingssubstrat – für kreative Demos, aber vor allem für KI-Agenten und Roboter.
Der Artikel Street View trifft Weltmodell: Googles Project Genie generiert begehbare Versionen echter Orte erschien zuerst auf The Decoder.
Nano Banana
Kurzfassung
▾
Quellen
▾
Waymo integriert DeepMinds Genie 3, um realistische und interaktive Trainingsumgebungen für autonome Fahrzeuge zu generieren. Das „Waymo World Model“ simuliert seltene Extremsituationen wie Unwetter oder exotische Hindernisse ohne physisches Risiko für die Flotte. Im Gegensatz zu früheren Simulationen reagieren die generierten Verkehrsteilnehmer dynamisch auf das Fahrverhalten des Robotaxis. Die Technologie ermöglicht eine schnellere und sicherere Validierung von Software-Updates durch Millionen simulierter Kilometer.
Waymo Blog: The Waymo World Model
The Verge: What happens when Waymo runs into a tornado?
Bloomberg: Waymo Says Genie 3 Simulations Can Help Boost Robotaxi Rollout
Transport Topics: Waymo Says Genie 3 Simulations Can Boost Robotaxi Rollout
X (Sawyer Merritt): Waymo has introduced the Waymo World Model
Waymo integriert das DeepMind-Modell Genie 3 in seine Entwicklungsarbeit und schafft damit eine hyper-realistische Trainingsumgebung. Das neue „Waymo World Model“ generiert interaktive Szenarien, um autonome Fahrzeuge gefahrlos auf seltene Randfälle vorzubereiten. Anzeige Vom Videospiel zur generativen Simulation Klassische Simulationen im Bereich des autonomen Fahrens basierten bisher meist auf geometrischen Modellen. Entwickler definierten Objekte und Regeln manuell, ähnlich wie in einer Game-Engine. Das neue System bricht mit diesem Ansatz. Es nutzt generative künstliche Intelligenz, um Videoinhalte dynamisch und physikalisch plausibel vorherzusagen. Die Technologie fußt auf Googles DeepMind-Architektur Genie 3. Das Modell generiert den nächsten Frame eines Videos basierend auf den Aktionen des Fahrzeugs und dem vorherigen Zustand der Welt. Dies ermöglicht eine visuelle Detailtreue, die herkömmliche Render-Engines oft vermissen lassen. Schattenwürfe, Lichtreflexionen und komplexe Wetterbedingungen entstehen organisch aus den Trainingsdaten. + Quelle: Waymo Training für den unwahrscheinlichen Ernstfall Der primäre Nutzen liegt in der Bewältigung sogenannter „Long-tail“-Ereignisse. Das sind Situationen, die im normalen Straßenverkehr extrem selten, aber potenziell gefährlich sind. Waymo simuliert nun Szenarien wie plötzliche Tornados, Elefanten auf der Fahrbahn oder schweres Fehlverhalten anderer Verkehrsteilnehmer. Diese Tests finden statt, ohne ein physisches Fahrzeug zu gefährden. Das System erlaubt den Ingenieuren, spezifische Parameter zu variieren. Sie testen, wie die Software reagiert, wenn ein Fußgänger plötzlich stoppt oder ein entgegenkommendes Fahrzeug die Spur verlässt. + Quelle: Waymo Interaktive Umwelt reagiert auf das Fahrzeug Ein entscheidender Vorteil gegenüber passiven Videodaten ist die Interaktivität. In bisherigen Aufzeichnungen fahren andere Autos stur ihren aufgezeichneten Weg, egal was das Testfahrzeug macht. Im Waymo World Model reagieren die generierten Agenten auf das Verhalten des Robotaxis. Bremst das autonome Fahrzeug ab, entscheidet ein simulierter Fußgänger vielleicht, die Straße doch noch zu überqueren. Fährt das Auto aggressiv, weichen andere Verkehrsteilnehmer aus. Diese Reaktionsfähigkeit der Umgebung schließt eine wichtige Lücke zwischen Simulation und Realität. Beschleunigte Validierung neuer Software Die Einführung dieses Modells zielt auf eine effizientere Skalierung der Robotaxi-Flotte ab. Software-Updates durchlaufen nun Millionen simulierter Kilometer in kritischen Szenarien, bevor sie auf die Straße kommen. Die KI lernt dabei nicht nur aus erfolgreichen Fahrten, sondern auch aus generierten Fehlern und Beinahe-Unfällen. Waymo nutzt hierfür seine umfangreiche Datenbank aus Millionen real gefahrener Kilometer. Diese Daten dienen als Grundwahrheit, aus der Genie 3 lernt, wie sich die Welt verhält. Das Ergebnis ist ein Werkzeug, das die Sicherheitsvalidierung präziser und schneller macht als reine Straßentests. Anzeige
Google Youtube
Kurzfassung
▾
Quellen
▾
Google integriert Project Genie in das kostenpflichtige AI Ultra Abo und ermöglicht US-Nutzern die Erstellung eigener Spiele. Die KI generiert aus Texten oder Skizzen spielbare 2D-Welten und simuliert dabei Physik sowie Reaktionen in Echtzeit. Erste Tests zeigen beeindruckende technologische Ansätze, wobei die Ergebnisse qualitativ oft einfachen Retro-Platformern ähneln.
Google DeepMind Blog: Project Genie
The Verge: Google’s AI helped me make bad Nintendo knockoffs
Google DeepMind: Genie 3
TechCrunch: In 2026, AI will move from hype to pragmatism
Big Think: AI could rewire Gen Z’s attention span
Google rollt Project Genie für Endkunden aus. Abonnenten des AI Ultra Pakets in den USA können ab sofort mittels generativer KI eigene, interaktive 2D- und 3D-Welten erstellen und direkt im Browser spielen. Startschuss im Ultra-Abo Der Tech-Gigant erweitert sein kostenpflichtiges „Google AI Ultra“ Abonnement um eine Funktion, die bisher nur in Forschungspapieren von DeepMind zu sehen war. US-Nutzer erhalten ab heute Zugriff auf das Tool, das statische Bilder oder Textbeschreibungen in spielbare Umgebungen verwandelt. Für den deutschen Markt gibt es noch kein konkretes Startdatum. Erfahrungsgemäß folgt der Rollout in Europa aufgrund der strengeren regulatorischen Prüfung mit einiger Verzögerung auf den US-Start.
Technik hinter den Kulissen Die zugrundeliegende Technologie basiert auf sogenannten „Foundation World Models“. Das Modell Genie 3 wurde mit tausenden Stunden an Gameplay-Videos trainiert, ohne dass die Aktionen darin manuell beschriftet wurden. Das System erkennt selbstständig Muster in Bewegungen und Physik. Es lernt dabei nicht nur, wie eine Welt aussieht, sondern wie sie auf Eingaben reagiert und welche Konsequenzen eine Aktion hat. Aus einem einfachen Prompt oder einer hochgeladenen Skizze generiert die KI Frame für Frame in Echtzeit. Der Nutzer steuert dabei eine Figur durch die halluzinierte Welt, während das Modell die passende Reaktion der Umgebung berechnet. Anzeige Grenzen der Generierung Erste Hands-On-Berichte dämpfen jedoch überzogene Erwartungen an eine sofortige Triple-A-Qualität. Die Ergebnisse erinnern oft an einfache Platformer der 16-Bit-Ära oder surreale Indie-Experimente. Die Steuerung fühlt sich mitunter schwammig an, da das System die Eingabelatenz simuliert und nicht hart programmiert. Es entstehen „Bad Nintendo Knockoffs“, die zwar beeindruckend als Tech-Demo sind, aber noch kein vollwertiges Spiel ersetzen. Es handelt sich primär um ein Werkzeug für Prototyping und kreative Experimente. Entwickler können Ideen schnell visualisieren, ohne eine einzige Zeile Code schreiben zu müssen. Der Aufstieg der World Models Die Veröffentlichung markiert einen wichtigen strategischen Schritt im KI-Wettlauf des Jahres 2026. Der Fokus verschiebt sich zunehmend von reiner Text- oder Bildgenerierung hin zu Systemen, die Kausalität verstehen. Google positioniert sich damit gegen Wettbewerber, die ebenfalls an interaktiven Welt-Modellen arbeiten. Die Fähigkeit einer KI, konsistente Welten über längere Zeiträume zu simulieren, gilt als Vorstufe für autonom agierende Agenten in der echten Welt.
Google DeepMind öffnet Project Genie für erste Nutzer. Der Prototyp erstellt interaktive Welten in Echtzeit.
Der Artikel Weltmodell „Genie 3“: Google macht experimentellen Prototyp öffentlich zugänglich erschien zuerst auf The Decoder.
Chinas Roboter vor dem ChatGPT-Moment Kann Wangs Zwei-Jahres-Plan mit Videowelten, Staatsaufträgen und Börsendruck wirklich den Durchbruch bringen? Kurzfassung | Andreas Becker, 11.08.25
Unitree | All-AI.de EINLEITUNG Für Wang, Chef des Robotik-Herstellers Unitree, beginnt die nächste Ära nicht mit neuen Motoren oder Gelenken, sondern mit dem ersten Roboter, der in einer fremden Wohnung selbstständig aufräumt. Seine Hoffnung liegt nicht in klassischen Vision-Language-Modellen, sondern in textgesteuerten Weltmodellen – digitalen Miniwelten, die Roboter verstehen und durchqueren können. Doch wie nah sind wir wirklich an diesem Wendepunkt? NEWS Genie-3 als Trainingsumgebung Das Google-Modell Genie-3 liefert genau das, worauf Wang setzt: Aus einfachen Texteingaben generiert es realistische, interaktive 720p-Videowelten mit konsistenter Physik. Diese Simulationsräume laufen über mehrere Minuten stabil und eignen sich ideal, um Roboterverhalten zu trainieren – zumindest dann, wenn das Modell mehr kann als nur vorhersehbare Animationen abspielen. Die Idee ist klar: Statt millionenfach reale Szenen aufzeichnen zu müssen, können Roboter nun virtuell lernen – mit Tempo, Skalierbarkeit und beliebiger Variation. Für präzise Aufgaben in der Industrie ist das zwar noch keine Lösung, aber es verlagert das Problem vom teuren Sensortraining in die Welt des maschinellen Vorstellungsvermögens.
Realitätslücke im Robotikkern Trotz beeindruckender Hardware hinkt der Alltagseinsatz humanoider Roboter weiter hinterher. Der Grund liegt weniger in der Mechanik als in der KI. Selbst Unitree gesteht, dass es noch keine Modelle gibt, die mit ausreichend Robustheit in offenen Umgebungen handeln können. Aktuell funktioniert vieles nur unter Laborbedingungen – stabiler Input, klarer Output, wenig Unbekanntes. Das erklärt die Diskrepanz zwischen aufsehenerregenden Demos und praktischer Integration. Weltmodelle könnten diese Lücke schließen, wenn sie kausale Strukturen und nicht nur visuelle Oberflächen lernen. Der Zeithorizont hängt davon ab, wie schnell diese Modelle vom Simulationstraining in reale, störungsanfällige Szenarien übertragbar werden. China drückt aufs Tempo Während die Technik noch reift, beginnt der Markt sich zu bewegen. In China wurden im Juni Großaufträge für humanoide Roboter vergeben – inklusive einer Bestellung im Wert von 46 Millionen Yuan für Systeme von Unitree. Der Staat schafft damit Einsatzfelder, die reale Umgebung mit begrenztem Risiko kombinieren – und damit auch massenhaft Trainingsdaten generieren. Parallel bereitet sich Unitree auf einen Börsengang vor. Mit Unterstützung durch CITIC Securities könnte ein Listing ab Herbst erfolgen. Für das Unternehmen ist das mehr als ein Finanzereignis – es ist Teil einer nationalen Strategie, embodied AI als Industriezweig schnell zu etablieren. Der Druck, beim KI-Teil nachzulegen, steigt damit spürbar. Simulierte Welten als Sprungbrett Wenn Modelle wie Genie-3 die nötige Struktur mitbringen, könnten sie ein effektiveres Training ermöglichen als jede echte Lagerhalle. Der Aufwand für Daten sinkt, die Vielfalt steigt – und erste Ergebnisse lassen sich in industriellen Settings validieren. Ob daraus ein echter Durchbruch wird, hängt nicht nur von der Technik ab, sondern auch vom Mut zur Integration. Die Grundidee stimmt: Nicht mehr Muskeln bremsen die Roboter aus, sondern ihre Vorstellungskraft. DEIN VORTEIL – DEINE HILFE Kostenlose News und Tutorials – mit minimaler Werbung und maximalem Mehrwert. Damit das so bleibt und wir uns stetig verbessern können, freuen wir uns über deine Unterstützung. Teile diesen Beitrag Folge uns auf Social Media Keine KI-News mehr verpassen und direkt kommentieren! Mastodon X Bluesky Facebook LinkedIn Youtube Unterstütze uns direkt Mit einer YouTube-Mitgliedschaft (ab 0,99 €) oder einmalig über PayPal. So helft ihr uns, unabhängig neue Tools zu testen und noch mehr Tutorials für euch zu erstellen. Vielen Dank für euren Support! Youtube – Kanal PayPal – Kaffee KURZFASSUNG
Zenity zeigte auf der Black Hat USA, wie Zero-Click- und One-Click-Ketten KI-Agenten komplett übernehmen können.
Betroffen sind u. a. ChatGPT Connectors, Salesforce Einstein und der KI-Code-Editor Cursor.
Die Angriffe nutzen unsichtbare Prompts in alltäglichen Dateien, Tickets und Geschäftsdaten.
Experten fordern Hard Boundaries, reduzierten Zugriff und Zero-Trust-Prinzipien, um das Risiko zu minimieren.
Mit Genie 3 stellt Google Deepmind ein KI-Modell vor, das interaktive 3D-Umgebungen erzeugt – ein Werkzeug für die Simulation komplexer Szenarien und das Training autonomer KI-Agenten.
Der Artikel Google Deepmind zeigt mit Genie 3 ein KI-Modell für interaktive Welten in Echtzeit erschien zuerst auf THE-DECODER.de.