SIMA 2
Google DeepMind · 画像
SIMA 2は、3D仮想世界の中で一緒に遊び、推論し、学習するGoogle DeepMindのAIエージェントだ。単なる命令の実行者ではない。Geminiモデル上で動き、目標を理解し、計画を説明し、自分が何をしているかを語る。しかも人間と同じキーボードとマウスでキャラクターを操作する。これは研究プレビューであり、今日ダウンロードできる製品ではない。研究のために作られた仮想世界のAIエージェントと考えてほしい。アプリストアで待っているツールではない。
SIMA 2 について
SIMA 2とは何か
SIMA 2はScalable Instructable Multiworld Agentの略だ。2024年の初期SIMAの後継にあたり、単に命令に従うAIから協働するゲームパートナーへと近づく転換点となる。以前のバージョンは商業ゲーム数本で基本コマンドをこなした。SIMA 2は推論、対話、そして一度も見たことのない場所でコツを覚える能力を加えている。
中心的な変化はGeminiだ。SIMA 1が言葉とボタン操作の直接的な結びつきを学んだのに対し、SIMA 2はGeminiモデルを推論エンジンとして組み込む。これにより、高次の目標を手順に分解し、意図を語り、うまくいかないときに軌道を修正できる。言語が意図になる。意図が計画になる。そして計画が行動になる。
最初に述べておくべき現実的な制約がある。SIMA 2はGoogle DeepMindの研究プレビューであり、消費者向けアプリではない。ダウンロードも登録ページも公開APIもない。自分のマシンではまだ試せない。チームによれば、その目的はエージェントが仮想環境から実機ロボットへ技能を転移させる仕組みを研究することにあり、物理的な関節や車輪を制御せず、あえて高次の計画層にとどまっている。
はじめ方
- 公開製品が存在しないことを理解する。Google DeepMindの研究ページと公式発表で進展を追う。
- エージェントがGeminiモデルと身体性技能セットをどう組み合わせるかについて、公開された研究を読む。
- No Man's Skyなどのゲームで、SIMA 1とSIMA 2が自由な要求をどう処理するかの違いを示すデモ映像を見る。
- 研究の行き先を知りたければ、Genieとロボティクスに関するチームの更新を追う。
AIツール情報
SIMA 2の料金、対応プラットフォーム、性能を簡単に確認できます。
こんな人におすすめ
このツールが最も力を発揮するユーザー、タスク、シーン。
ユーザー
- AI研究者：言語モデルが複雑な3D環境で目標志向の行動をどう駆動するかを研究する。アクセスは公開された研究とデモに限られる。
- ロボティクスチーム：ハードウェアへ移る前に高次の計画が仮想世界でどう検証されるかを観察する。直接の連携はまだ存在しない。
- ゲームAI愛好家：固定の動きを台本通りにこなすのではなく、推論して自ら説明するエージェントの具体例を追う。
タスク
- 多段階計画の研究：エージェントが曖昧な目標を順序立った計画に分解し、各手順を報告する様子を調べる。
- 汎化の検証：あるゲームで学んだ技能が、訓練していない環境へどう引き継がれるかを見る。
- 自己改善の探究：エージェントが新たなタスクを生成し、試し、モデルのフィードバックで自らの振る舞いを洗練させる流れを追う。
シーン
- 学術文献のレビュー：論文や授業課題で代表的な身体性AIエージェントを参照点として引用する。
- 製品調査：似た技術にロードマップを賭ける前に、今日のGemini駆動エージェントにできることとできないことを把握する。
- デモと講演：公開デモ素材を使い、ゲームを遊ぶエージェントの行き先を説明する。
主な機能
推論エンジンとしてのGemini
SIMA 2は思考の中心にGeminiモデルを置く。この3D世界向けAIエージェントはGeminiを使い、目標を解釈し、計画を練り、何をしているかを語る。公開された研究は、エージェント内部のエンジンとしてGemini 2.5 Flash-Lite版を挙げている。
自然言語による対話
SIMA 2にはチームメイトに話すように話しかけられる。平易な言葉で答え、意図を述べ、これから取る手順を並べる。台本通りの叫びも、決まり文句もない。意図は命令を出すことから、一緒に問題を解くことへと移る。これが初期SIMAとの最も明快な断絶だ。
マルチモーダルな指示
エージェントが読むのは打ち込まれた言葉だけではない。音声、手描きのスケッチ、さらには絵文字にも反応する。地図上の一点を指したり、二つのアイコンを送って動作を示したりできる。目新しさが過ぎれば、実用的なのはスケッチ入力だ。一文を書かずに場所や経路を素早く印せられる。
ゲームをまたぐ技能転移
SIMA 2は概念をある世界から別の世界へ運ぶ。あるゲームで採掘を覚えれば、その考えを別のゲームの採取に応用できる。この転移がエージェント研究を有用にする。技能が単一のタイトルに縛られなくなる。
自己改善ループ
初期の人間による実演の後、システムは自らタスクを生成して試し、Geminiのフィードバックに頼ってやり方を磨く。まだ初期段階で、成果は研究環境で測られるが、このループが静的モデルとの違いを生む。
高いタスク成功率
Google DeepMindによれば、SIMA 2は訓練したゲームで約65%の成功率に達し、人間の基準である約75%に迫る。初代SIMAは複雑なタスクで約31%だったため、跳躍は大きい。これらは研究室自身の数字として受け取り、独立した評価とは考えないほうがいい。
コードではなくピクセルで動く
エージェントはゲームのソースコードにも特殊なAPIにも触れない。画面を眺め、人間と同じように仮想のキーボードとマウスの信号を送る。この制約があるからこそ、この手法はいつかゲームを超えて広がる可能性がある。
メリットとデメリット
メリット
- 文字通りの命令を追うだけでなく目標について推論するため、緩い指示にも対応する。
- 計画を言葉で説明するので、振る舞いを追いやすく信頼しやすい。
- テキスト、音声、スケッチ、絵文字を読み取り、指示を出す方法が複数ある。
- 学んだ技能を新しいゲームへ移す。単一タイトルのエージェントを超える実質的な一歩だ。
- ゲームのコードや独自APIなしで動くため、既存のタイトルで使える。
デメリット
- 研究プレビューにすぎない。ダウンロードも登録も公開APIもなく、自分では使えない。
- 成功率はGoogle DeepMindのもので、それを裏づける独立した基準はまだない。
- 高次の判断は扱えるが細かな物理制御はできないため、完成したロボティクスシステムにはほど遠い。
- 確定したリリース日はなく、それを前提にした計画は推測にすぎない。
よくある質問
いいえ。Google DeepMindの研究プレビューであり、消費者向けアプリもダウンロードリンクも公開APIもない。公開された研究と公式デモが追う唯一の手段だ。
関連コンテンツ
SIMA 2に関連するツール、スキル、記事を探す。
SIMA 2の代替ツール
X Ray Interpreter
X-ray Interpreter · 画像X Ray Interpreter は、X 線、CT、MRI、超音波、PET の画像を平易な言葉のレポートに変えるウェブベースの AI 放射線ツールだ。スキャン画像をアップロードすると、X 線の予備的な読影結果がすぐに返ってくる。説明が必要な箇所があれば、その後で追加の質問もできる。位置づけはセカンドオピニオンと学習の補助であり、医療診断ではない。
Aieasypic
AIEasyPic · 画像AIEasyPicは、単純なテキストプロンプトを数秒で完成したアート作品に変えるAI画像生成ツールだ。自分の写真でカスタムモデルを訓練したり、既存の画像の顔を交換したり、テキストから短い動画クリップを作ったりもできる。すべてブラウザだけで完結する。手早くビジュアルが欲しい気軽なクリエイターにも、コードを一切触らずに個人モデルを作りたい趣味の人にも向く。
Chargen
Chargen · 画像ChargenはDungeons & Dragonsやその他のテーブルトークRPG向けに作られたAIキャラクター生成ツール兼ワールドビルディングツールキットだ。一行のアイデアを描き上げたキャラクター肖像に変え、同じセッションでNPC、モンスター、マップ、遭遇を生み出し、すべてのクリーチャーの詳細を手元に置く。テーブルトークRPGアートの部分はGoldと呼ばれるクレジット制で動き、テキスト生成ツールは誰でも無料のまま使える。