Google DeepMind推出SIMA2研究预览：表现翻倍，迈向通用机器人

Google DeepMind上线多模态智能体SIMA2，依托Gemini2.5 Flash-lite模型，任务成功率较SIMA1约提升一倍；它能在未见过的场景中完成复杂指令，并具备自我优化能力。该版本以研究预览形式开放，旨在验证通向通用机器人与AGI所需的高层世界理解与推理能力。

SIMA2仍以数百小时的游戏视频进行预训练，但首次引入自生成数据闭环：进入新场景后，系统调用独立Gemini模型批量生成任务；由内部奖励模型打分，筛选高质量轨迹用于持续微调，无需额外人工标注即可不断提升表现。研究团队表示，这使智能体在《No Man’s Sky》等测试环境中，能通过读取环境文本、识别颜色和符号，自主执行“前往红色房屋”“砍伐树木”等指令，甚至能够理解由emoji组合的命令。

在演示中，DeepMind将生成式世界模型Genie与SIMA2结合，实时生成逼真的户外场景；智能体能准确识别长椅、树木、蝴蝶等对象并进行交互。高级研究科学家Jane Wang表示，这种“看懂场景→推断目标→规划动作”的闭环，正是把虚拟环境能力迁移到真实机器人所需的高层行为模块。

需要说明的是，SIMA2当前专注于高层决策，并不涉及机械关节、轮子等底层控制。DeepMind同期训练的机器人基础模型采用不同技术路线，两者如何融合尚未确定。团队未透露正式版发布时间，仅称希望通过研究预览吸引外部合作，共同探索虚拟智能体向实体机器人迁移的可行路径。