周四，Google DeepMind 发布了通用 AI 代理 SIMA 2 的研究预览版。作为下一代产品，SIMA 2 融合了 Gemini 大语言模型的语言与推理能力，超越了单纯的指令遵循，能够理解并与环境进行交互。
SIMA 首个版本通过数百小时游戏视频训练，学习像人类一样玩多种 3D 游戏。2024 年 3 月揭幕的 SIMA 1 虽能在广泛虚拟环境中遵循基本指令，但完成复杂任务的成功率仅为 31%（人类为 71%）。
性能翻倍：Gemini 驱动下的质的飞跃
DeepMind 高级研究科学家 Joe Marino 表示：“SIMA 2 相比 SIMA 1 实现了质的飞跃。它是一个更通用的代理，能在未见过的环境中完成复杂任务；同时具备自我改进能力，能基于自身经验提升表现，这是迈向通用机器人和 AGI（人工通用智能）的重要一步。”
SIMA 2 由 Gemini 2.5 flash-lite 模型驱动。AGI 被定义为能执行多种智力任务、学习新技能并在不同领域泛化知识的系统。研究人员强调，与“具身智能体”合作对实现通用智能至关重要。这类智能体通过“身体”与物理或虚拟世界交互（如观察输入并行动），而非仅处理日历、笔记或代码等抽象任务。
超越游戏：常识理解与多模态交互
拥有神经科学背景的 DeepMind 高级研究员 Jane Wang 指出，SIMA 2 的功能远不止于游戏。“我们要求它真正理解正在发生的事情及用户意图，并以符合常识的方式响应，这极具挑战性。”
整合 Gemini 后，SIMA 2 将先进语言推理能力与具身技能结合，性能达到前代两倍。Marino 在《无人深空》中演示了该代理描述岩石行星环境、识别求救信标并确定下一步行动的过程。在另一款游戏中，当被要求寻找“颜色像成熟番茄的房子”时，代理展示了内部推理过程（成熟番茄是红色的→找红色房子），并成功定位目标。此外，得益于 Gemini 支持，SIMA 2 还能根据表情符号执行指令（如发送 🪓 即去砍树），并能正确导航 Genie 生成的逼真新世界，识别长椅、树木等物体。
自我进化机制与机器人应用前景
Marino 补充道，Gemini 使 SIMA 2 能在极少人类数据下实现自我改进。SIMA 1 完全基于人类数据训练，而 SIMA 2 以此为基础提供强大初始模型。在新环境中，它会请求 Gemini 创建新任务，并由独立奖励模型评分。利用自生成经验作为训练数据，智能体通过试错法从错误中学习，由 AI 反馈替代人类指导来教授自己新行为。
DeepMind 认为 SIMA 2 是实现更通用机器人的关键一步。高级研究工程师 Frederic Besse 指出，现实世界任务执行系统需具备两部分能力：一是对现实世界及任务的高层次理解，二是推理能力。例如让类人机器人检查橱柜里的豆子，系统需理解“豆子”、“橱柜”等概念并导航至对应位置。SIMA 2 侧重于这种高层次行为，而非控制关节、轮子等底层动作。
团队未透露在物理机器人系统中实施 SIMA 2 的具体时间表。Besse 强调，DeepMind 近期发布的机器人基础模型（能对物理世界推理并创建多步计划）是与 SIMA 独立训练的。尽管暂无更多版本发布计划，Wang 表示目标是展示研发成果，探索潜在合作与应用场景。