SIMA 2: Ein generalisierter verkörperter Agent für virtuelle Welten
SIMA 2: A Generalist Embodied Agent for Virtual Worlds
December 4, 2025
papers.authors: 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
cs.AI
papers.abstract
Wir stellen SIMA 2 vor, einen generalistischen, verkörperten Agenten, der eine Vielzahl von 3D-Virtual-Worlds versteht und in ihnen agiert. Auf einem Gemini-Foundation-Model aufbauend, repräsentiert SIMA 2 einen bedeutenden Schritt hin zu einer aktiven, zielgerichteten Interaktion innerhalb einer verkörperten Umgebung. Im Gegensatz zu früheren Arbeiten (z.B. SIMA 1), die auf einfache Sprachbefehle beschränkt waren, agiert SIMA 2 als interaktiver Partner, der in der Lage ist, über übergeordnete Ziele zu schlussfolgern, mit dem Nutzer zu kommunizieren und komplexe Anweisungen, die über Sprache und Bilder gegeben werden, zu verarbeiten. Über ein diverses Portfolio von Spielen hinweg schließt SIMA 2 die Lücke zur menschlichen Leistung erheblich und demonstriert eine robuste Generalisierung auf zuvor unbekannte Umgebungen, wobei gleichzeitig die grundlegenden Reasoning-Fähigkeiten des Basismodells erhalten bleiben. Darüber hinaus zeigen wir eine Fähigkeit zur offenen Selbstverbesserung: Indem Gemini genutzt wird, um Aufgaben zu generieren und Belohnungen zu liefern, kann SIMA 2 autonom neue Fähigkeiten von Grund auf in einer neuen Umgebung erlernen. Diese Arbeit validiert einen Weg zur Erstellung vielseitiger und kontinuierlich lernender Agenten für virtuelle und letztendlich auch physische Welten.
English
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.