SIMA 2, novo agente da Google DeepMind para jogos eletrônicos, interpreta pixels, segue instruções por texto e voz, e avança rumo a aplicações em robótica
A Google DeepMind apresentou o SIMA 2, um agente de inteligência artificial criado para navegar e solucionar problemas em mundos virtuais 3D, com foco em jogos eletrônicos e, no futuro, em robótica. Construído sobre o ecossistema da big tech, o sistema combina percepção, linguagem e ação, oferecendo respostas em tempo real e capacidade de aprendizado contínuo em ambientes abertos e complexos.
De acordo com o Olhar Digital, o SIMA 2 expande o conceito do primeiro Scalable Instructable Multiworld Agent, que já havia demonstrado competência em títulos como Goat Simulator 3. Agora, o agente amplia a versatilidade, conversa com usuários, executa tarefas por conta própria e dá pistas concretas sobre a ambição da Google DeepMind de levar agentes para além do navegador, aproximando-os de usos práticos no mundo real.
O que é o SIMA 2 e por que ele importa para jogos e robôs
Segundo os pesquisadores citados pelo Olhar Digital, o SIMA 2 foi desenvolvido sobre o coração de IA da empresa. Nas palavras do site, “Ele foi construído sobre o Gemini, principal inteligência artificial da big tech, dando ao agente uma capacidade significativamente ampliada.” Essa base linguística e multimodal potencializa a habilidade do sistema de entender instruções, planejar sequências de ações e se adaptar a diferentes cenários de jogos.
A iniciativa se alinha à visão estratégica de criar agentes capazes de seguir instruções, executar ações complexas em ambientes sofisticados e colaborar com pessoas. O Olhar Digital destaca ainda que, “O SIMA 2, por exemplo, já consegue utilizar ferramentas, navegar em um ambiente e colaborar com humanos, coisas tidas como essenciais para robôs companheiros no futuro.” O tema também foi destacado pelo MT Technology Review, que vê na plataforma um passo importante rumo a aplicações de robótica no mundo real.
Como o SIMA 2 aprende, com Gemini e mundos 3D gerados pelo Genie 3
Uma das novidades está na forma de interação. Segundo o Olhar Digital, “O SIMA 2 pode ser controlado por humanos por meio de bate-papo via texto, voz ou até mesmo desenhos na tela do jogo.” A partir daí, o agente processa os pixels quadro a quadro e decide como agir para alcançar os objetivos, algo crucial para jogos comerciais cheios de variáveis e regras implícitas.
O agente também é integrável ao Gemini, o que melhora sua obediência a instruções e sua comunicação durante a execução. O site explica, em citação literal, que “O agente também pode ser conectado ao Gemini, o que, segundo os pesquisadores, faz com que ele fique melhor para seguir instruções (realizando perguntas e dando atualizações ao longo do processo).” Essa integração favorece o raciocínio passo a passo, o pedido de esclarecimentos e a transparência de status, características úteis para jogos e para tarefas de robôs no futuro.
O processo de treinamento combina dados de jogos eletrônicos reais e de ambientes sintéticos. Conforme o Olhar Digital, “O treinamento do SIMA 2 ocorreu por meio de gravações de humanos jogando oito videogames comerciais, como Goat Simulator 3 e No Man’s Sky, além de três mundos virtuais construídos pela empresa.” A criação desses cenários foi feita com outro modelo interno da Google DeepMind: “Os ambientes nos quais o SIMA 2 foi inserido foram criados do zero pelo Genie 3, novo modelo de IA do Google DeepMind, capaz de criar mundos em 3D.”
Além disso, o Gemini foi usado para propor novas tarefas e orientar tentativas quando o agente falhava, fornecendo dicas e promovendo iterações sucessivas até o sucesso. Esse ciclo de feedback ajuda o SIMA 2 a ganhar robustez em cenários variados, um passo importante para a generalização que a Google DeepMind busca em suas pesquisas.
Limitações atuais, próximos passos e o que esperar do Google DeepMind
Apesar do avanço, os pesquisadores adotam cautela. O Olhar Digital reforça, de modo explícito, que “Apesar de trazer resultados promissores, o SIMA 2 é, até então, apenas um experimento.” Entre os desafios listados estão a memória limitada, a necessidade de evoluir no uso de teclado e mouse ao interagir com mundos virtuais e a dificuldade em executar tarefas complexas com muitas etapas.
Mesmo com essas restrições, a direção é clara. Segundo o MT Technology Review, a big tech persegue agentes de próxima geração que funcionem em ambientes muito sofisticados, além do navegador, e, no longo prazo, possam controlar robôs no mundo real. Ao dominar jogos que exigem percepção visual, planejamento e coordenação motora virtual, o SIMA 2 cria um caminho natural para habilidades semelhantes em plataformas físicas.
Para jogadores, desenvolvedores e entusiastas de inteligência artificial, a pesquisa indica um futuro no qual agentes como o SIMA 2 atuarão como companheiros de jogo, auxiliares de produtividade e, adiante, como assistentes robóticos. Com Gemini como cérebro linguístico e Genie 3 como gerador de mundos de treino, a Google DeepMind acelera a construção de agentes mais versáteis, que entendem contexto, aprendem com tentativas e colaboram com pessoas em tarefas reais e virtuais.