日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

VLAarXiv:2512.04797

SIMA 2: 仮想世界のための汎用身体性エージェント

SIMA 2: A Generalist Embodied Agent for Virtual Worlds

シェア:XThreadsFacebookLINEはてブBluesky

Gemini基盤モデルをベースに、多様な3D仮想世界で言語や画像による指示を理解し行動する汎用エージェントSIMA 2を開発。未知環境への汎化や自己改善による新スキル獲得を実現した。

詳しい要約

1. どんなもの?

- 3D仮想世界で汎用的に行動する embodied agent「SIMA 2」の提案 - Gemini foundation model を基盤に構築 - 言語・画像による複雑な指示を扱い、ユーザーと対話しながら高レベル目標を推論 - 多様なゲーム群で人間性能に迫り、未見環境への汎化も示す - 仮想世界のみならず将来的な physical world への道筋を検証する研究

2. 先行研究と比べてどこがすごい?

- 先行の SIMA 1 は単純な言語コマンドに限定されていた - SIMA 2 は interactive partner として高レベル目標の推論やユーザーとの会話が可能 - 言語と画像を通じた複雑な指示を処理できる点が拡張 - 多様なゲームで人間性能との差を大幅に縮小 - 未見環境への頑健な汎化を示し、基盤モデルの reasoning 能力も保持

3. 技術・手法の肝は?

- Gemini foundation model を基盤として採用 - embodied 環境での能動的・目標指向的な相互作用を実現する設計 - 言語および画像入力から複雑な指示を解釈し行動に結びつける - Gemini を用いてタスク生成と報酬付与を行い、自律的に新スキルを学習する仕組み - 詳細なアーキテクチャや学習手順は要旨からは不明

4. どうやって有効だと検証した?

- 多様なゲーム群からなる portfolio で評価 - 人間性能との比較により、その差を大幅に縮小したことを示す - 未見環境への汎化性能を検証 - 基盤モデルの reasoning 能力が保持されることを確認 - 新環境で Gemini によるタスク生成・報酬を用いた自律的なスキル学習を実証 - 具体的なベンチマーク名や指標は要旨からは不明

5. 議論はある?

- 仮想世界から将来的な physical world への展開可能性を主張 - 継続的に学習する versatile な agent への道筋を提示 - 一方で具体的な限界や失敗事例、評価の詳細は要旨からは不明 - 実世界への転用における課題については要旨からは不明

6. 次に読むべき論文は?

- SIMA 1(比較対象として言及) - Gemini foundation model(基盤として言及) - 同分野の定番として embodied agent や vision-language-action model に関する研究 - 詳細な関連研究は要旨からは不明

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: SIMA team, Adrian Bolton, Alexander Lerchner, Alexandra Cordell, Alexandre Moufarek, Andrew Bolt, Andrew Lampinen, Anna Mitenkova, Arne Olav Hallingstad, Bojan Vujatovic, Bonnie Li, Cong Lu, Daan Wierstra, Daniel P. Sawyer, Daniel Slater, David Reichert, Davide Vercelli, Demis Hassabis, Drew A. Hudson, Duncan Williams, Ed Hirst, Fabio Pardo, Felix Hill, Frederic Besse, Hannah Openshaw, Harris Chan, Hubert Soyer, Jane X. Wang, Jeff Clune, John Agapiou, John Reid, Joseph Marino, Junkyung Kim, Karol Gregor, Kaustubh Sridhar, Kay McKinney, Laura Kampis, Lei M. Zhang, Loic Matthey, Luyu Wang, Maria Abi Raad, Maria Loks-Thompson, Martin Engelcke, Matija Kecman, Matthew Jackson, Maxime Gazeau, Ollie Purkiss, Oscar Knagg, Peter Stys, Piermaria Mendolicchio, Raia Hadsell, Rosemary Ke, Ryan Faulkner, Sarah Chakera, Satinder Singh Baveja, Shane Legg, Sheleem Kashem, Tayfun Terzi, Thomas Keck, Tim Harley, Tim Scholtes, Tyson Roberts, Volodymyr Mnih, Yulan Liu, Zhengdong Wang, Zoubin Ghahramani

分類: cs.AI, cs.RO

原文アブストラクト

We introduce SIMA 2, a generalist embodied agent that understands and acts in a wide variety of 3D virtual worlds. Built upon a Gemini foundation model, SIMA 2 represents a significant step toward active, goal-directed interaction within an embodied environment. Unlike prior work (e.g., SIMA 1) limited to simple language commands, SIMA 2 acts as an interactive partner, capable of reasoning about high-level goals, conversing with the user, and handling complex instructions given through language and images. Across a diverse portfolio of games, SIMA 2 substantially closes the gap with human performance and demonstrates robust generalization to previously unseen environments, all while retaining the base model's core reasoning capabilities. Furthermore, we demonstrate a capacity for open-ended self-improvement: by leveraging Gemini to generate tasks and provide rewards, SIMA 2 can autonomously learn new skills from scratch in a new environment. This work validates a path toward creating versatile and continuously learning agents for both virtual and, eventually, physical worlds.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

FRONTIER(GPU搭載BTOパソコン)

FRONTIER(GPU搭載BTOパソコン)の公式広告バナーFRONTIERでGPU搭載PCを見る ↗
PR本紙発行元 EmplifAI