Em um experimento recente de laboratório, o Google DeepMind (abre em nova aba) colocou uma versão virtual do robô humanoide Apollo, da Apptronik (abre em nova aba), para jogar uma partida de damas dentro de um ambiente gerado em tempo real por inteligência artificial. A demonstração faz parte do Genie 4, modelo apresentado em 27 de outubro como uma prévia de pesquisa restrita a testadores convidados. A promessa da tecnologia é servir como um campo de treinamento virtual para robôs e agentes autônomos antes que eles pisem no mundo físico, mas há um detalhe curioso sobre o estágio atual desse sistema: se você assumir o controle da câmera, der um giro de 360 graus e voltar ao ponto inicial, o cenário às suas costas provavelmente terá se transformado em outro lugar.
Essa tensão entre o fotorrealismo imediato e a amnésia espacial ajuda a entender o que são os chamados modelos de mundo (world models). Ao contrário de geradores de vídeo comuns, que entregam um clipe fechado do início ao fim, o Genie 4 cria um espaço navegável pelo teclado ou por comandos de voz enquanto a cena acontece. O usuário pode caminhar pelo ambiente e digitar ou falar novas instruções no meio da simulação para mudar o clima, alterar o ângulo da câmera ou inserir objetos e personagens, tudo acompanhado por geração nativa de áudio, que inclui ruídos ambientes, música e diálogos interativos.
Para manter esse universo funcionando de pé, o Google deixou de tratar a simulação apenas como um modelo de vídeo isolado e passou a usar a família Gemini na direção da cena. O Gemini Omni entra para ancorar a aparência e o comportamento físico dos objetos, enquanto o Gemini 3.8 Flash monitora os quadros gerados e ajusta o plano em tempo real. No teste da partida de damas com o robô Apollo, coube ao Gemini 4 Argon (lançado em 13 de outubro) quebrar a tarefa em etapas lógicas para que o Genie 4 desenhasse o resultado na tela a cada movimento. Tejas Kulkarni, diretor de pesquisa do Google, definiu essa arquitetura como um modelo híbrido em que o Gemini escreve código e texto nos bastidores para o Genie simular a realidade em diferentes níveis.
O interesse das empresas nesse tipo de arquitetura vai muito além do entretenimento. Treinar um robô físico no chão de uma fábrica ou testar um drone em condições extremas custa caro e envolve o risco constante de quebrar equipamentos. Com mundos gerados sob demanda, pesquisadores podem simular enchentes repentinas, incêndios florestais ou mudanças bruscas de tempo para ver como veículos autônomos e sistemas robóticos reagem ao imprevisto. Como acompanhamos de perto no IA.com.br, a transição de modelos que apenas processam texto para agentes capazes de prever a consequência física de uma ação tornou-se a principal aposta dos laboratórios que buscam sistemas mais autônomos.
Na prática, porém, nenhuma fábrica vai substituir seus simuladores tradicionais pelo Genie 4 nesta semana. Embora o modelo tenha dobrado a duração máxima de seu antecessor (o Genie 3, lançado há pouco mais de um ano), cada sessão interativa dura no máximo dois minutos. O próprio Google alerta que os detalhes visuais e a consistência dos objetos se degradam com o passar dos segundos, e testes práticos mostram que a câmera em terceira pessoa distorce a escala muito mais do que a visão em primeira pessoa.
Por causa dessas falhas de precisão física e permanência de objetos, o uso mais imediato encontrado pelos testadores iniciais não foi na engenharia robótica, mas no cinema. Segundo Diego Rivas, engenheiro do Google DeepMind, o recurso em tempo real mostrou valor prático na pré-produção de filmes, permitindo que diretores explorem cenários virtuais e testem ângulos de câmera sem quebrar o fluxo criativo, um contexto no qual uma parede que muda de lugar não causa nenhum acidente de trabalho.
Mesmo com essas limitações técnicas, a disputa pelo controle dos modelos de mundo já movimenta bilhões de dólares enquanto o Google prepara a liberação do Genie 4 para assinantes do plano Google AI Ultra (via Project Genie) e parceiros da API do Gemini e do Google AI Studio. Dois meses antes do anúncio do Google, a Runway (abre em nova aba) lançou o GWM Worlds 2 com suporte a áudio; na sequência, a AMD (abre em nova aba) iniciou a compra da World Labs, fundada pela pesquisadora Fei-Fei Li, a montadora Rivian (abre em nova aba) adquiriu a Third Dimension para testar carros autônomos em casa e a Amazon (abre em nova aba) entrou em negociações para comprar a rival israelense Decart em um acordo estimado pela imprensa local em até US$ 7 bilhões. A indústria inteira concorda que os robôs do futuro vão aprender a trabalhar dentro de mundos virtuais gerados por IA; o desafio do Google agora é fazer esse mundo durar mais de dois minutos sem esquecer o que havia atrás da porta.