Odejdź, wróć: Czy Genie 4 zachowuje ten sam świat?

Mijasz jasnoczerwoną konewkę, skręcasz za ścianę, a potem wracasz. Czy ta sama konewka wciąż stoi obok ławki? To właśnie jest praktyczne pytanie stojące za testem spójności środowiska i trwałości obiektów w Genie 4. Na dzień 28 października 2026 r. Google DeepMind przyznało, że szczegóły wizualne i obiekty mogą dryfować podczas dłuższych sesji, po złożonych edycjach promptów lub podczas eksploracji. Przykłady z premiery pokazują sterowanie w czasie rzeczywistym, ale nie ustalają powtarzalnego wyniku spójności. Ten przewodnik zawiera kontrolowany test do przeprowadzenia, gdy uzyskasz dostęp, i oddziela oficjalne demonstracje od wyników, które wciąż wymagają niezależnego pomiaru.

Najważniejsze wnioski

• Genie 4 to podgląd badawczy, a przejrzane materiały publiczne nie zawierają żadnego liczbowego benchmarku spójności.
• Śledź tożsamość obiektu, liczbę, pozycję, wygląd i układ sceny oddzielnie w warunkach zasłonięcia, ruchu kamery, edycji i upływu czasu.
• Dopracowane demo ilustruje możliwość; do pomiaru niezawodności potrzebne są powtarzane, rejestrowane próby.
• Model wideo może pomóc zbadać ciągłość na poziomie klipu, ale nie jest w stanie przetestować trwałego stanu interaktywnego świata.

Klatka referencyjna dla poniższego przypadku szklarni z pięcioma klipami. Niebieski motyl, złoty półksiężycowy wieszak, żelazny łuk i marmurowy cokół to elementy, które należy porównać między klipami. Ten wygenerowany obraz startowy nie jest wynikiem testu Genie 4.

Co oznacza spójność środowiska w Genie 4

„Spójność” może opisywać kilka różnych rzeczy. Świat może wyglądać przekonująco w jednej klatce, a jednocześnie nie zachować obiektu po obrocie. Może utrzymywać widoczność czerwonej konewki, ale zmienić jej kształt, zduplikować ją lub przenieść na drugą stronę ławki. Przydatna ocena rejestruje te wymiary oddzielnie, zamiast przypisywać całej scenie jedno ogólnikowe zaliczenie lub porażkę.

W przypadku prostego testu trwałości obiektów zdefiniuj cel przed uruchomieniem. W poniższym przykładzie celem jest dokładnie jedna jasnoczerwona metalowa konewka na ziemi obok drewnianej ławki. Konewka jest wystarczająco charakterystyczna, by ją odnaleźć, a ławka daje stabilny punkt odniesienia do pomiaru względnej pozycji.

Trwałość obiektów jest węższym pojęciem niż ogólna jakość sceny. Odnosi się do tego, czy obiekt nadal istnieje ze stabilną tożsamością i stanem, gdy jest ukryty lub poza bieżącym widokiem. Spójność środowiska obejmuje także otaczającą geometrię, szczegóły wizualne i konsekwencje edycji. Raportuj te dwie rzeczy oddzielnie: obiekt może trwać, podczas gdy tło dryfuje, albo dziedziniec może pozostać stabilny, gdy obiekt się zmienia.

To rozróżnienie ma znaczenie przy ocenie modelu świata na potrzeby prototypowania gier lub badań nad agentami. Twórca może zaakceptować zmienność tła podczas wczesnej eksploracji koncepcji, ale obiekt, który teleportuje się po tym, jak gracz zajdzie za ścianę, może unieważnić zagadkę, trasę lub sekwencję interakcji. Test powinien odpowiadać kosztowi takiego niepowodzenia w zamierzonym przepływie pracy.

Co Google ujawniło na temat dryfu w Genie 4

Google DeepMind opisuje Genie 4 jako model świata działający w czasie rzeczywistym, który reaguje na nawigację klawiaturą, sterowanie kamerą i prompty tekstowe. W swoim wpisie premierowym firma twierdzi, że potrafi sterować sceną w miarę jej rozwoju, i pokazuje przykłady zmian prowadzonych promptem oraz nawigacji (ogłoszenie Google DeepMind, październik 2026). Te przykłady ustalają, co mają pokazywać publiczne demonstracje. Nie dostarczają powtarzanych prób, stałego ziarna (seed), zmierzonych współrzędnych obiektów ani współczynnika powodzenia testów powrotu do sceny.

To samo ogłoszenie wprost wymienia odpowiednie ograniczenie: szczegóły wizualne i trwałość obiektów mogą się zmieniać lub dryfować w czasie. Stwierdza, że staje się to bardziej widoczne, gdy symulacja działa dłużej, po kilku złożonych edycjach promptu lub podczas nawigacji po scenie. Strona produktu dodaje, że Genie 4 obsługuje kilka minut ciągłej interakcji, a nie rozszerzone sesje, i wymienia długoterminową spójność jako obszar bieżących prac (strona modelu Genie 4).

To sformułowanie daje testerom przydatny zestaw warunków do zmieniania: czas trwania sesji, liczba i złożoność edycji oraz odległość lub zakres nawigacji. Nie mówi nam jednak, jak często konewka się przesunie, jaka zmiana wizualna liczy się jako niepowodzenie ani jak Genie 4 wypada w porównaniu z innym systemem w tych samych warunkach. Te pytania wymagają testu operacyjnego i publicznych obserwacji.

Status dostępu również wpływa na to, co można twierdzić. Oficjalne strony opisują podgląd badawczy dla zaufanych testerów, z szerszym dostępem planowanym przez Project Genie i partnerów wczesnego dostępu. Dostępność może się zmieniać, więc potwierdź aktualną ścieżkę dostępu, zanim uznasz ten protokół za coś, co każdy czytelnik może uruchomić. Data artykułu odnotowuje, kiedy sprawdzono ten status; nie jest twierdzeniem, że podgląd pozostanie etapowy na zawsze.

Powtarzalny test trwałości obiektów w Genie 4

Najpierw użyj prostej sceny i jednego obiektu docelowego. Wyszukane sceny wprowadzają dodatkowe zmienne: ludzie mogą zasłaniać obiekt, odbicia mogą zmieniać jego pozorny kolor, a kilka podobnych rekwizytów może utrudniać ocenę tożsamości. Zacznij od dziedzińca, jednej ławki, jednego niskiego muru i jednej czerwonej konewki. Utrzymuj prompt i sekwencję sterowania niezmienione między porównywalnymi próbami.

Użyj tej sekwencji, gdy uzyskasz dostęp do Genie 4:

1. Utwórz scenę początkową. Wpisz: „Utwórz prosty dziedziniec na wolnym powietrzu z niskim kamiennym murem, jedną drewnianą ławką i dokładnie jedną jasnoczerwoną metalową konewką postawioną na ziemi obok ławki. Utrzymaj układ przejrzysty i stabilny. Nie dodawaj, nie usuwaj, nie przenoś ani nie duplikuj obiektów, chyba że wyraźnie o to poproszę”.
2. Zarejestruj widok referencyjny. Zrób zrzut sceny przed podjęciem działań. Zanotuj pozycję konewki na ekranie oraz jej relację do ławki, muru i orientacji kamery. Zapisz, czy scena początkowa faktycznie zawiera jedną konewkę w żądanym miejscu.
3. Ukryj i wróć. Przesuń kamerę za kamienny mur, a następnie wróć do pierwotnej pozycji widoku. W tym przebiegu unikaj edycji tekstowej. Sprawdź, czy konewka nadal jest pojedyncza, rozpoznawalna i obok tej samej ławki.
4. Eksploruj i wróć. Poruszaj się wokół ławki i po dziedzińcu, używając za każdym razem tych samych elementów sterowania. Wróć do pierwotnej pozycji. Zanotuj, czy punkty orientacyjne i względna pozycja przetrwały trasę.
5. Zastosuj jedną odizolowaną edycję. Poproś: „Zmień niebo na pochmurne szare. Nie zmieniaj dziedzińca, ławki, konewki ani ich pozycji”. Sprawdź zmianę nieba, a następnie oceń osobno wszelkie niepowiązane zmiany.
6. Sprawdź ponownie później. Powtórz widok powrotu po określonym interwale lub zarejestrowanej liczbie działań. Zapisz upływ czasu i wszystko, co zrobiono w międzyczasie. Nie traktuj osobnych sesji jako dopasowanych prób, chyba że produkt zapewnia powtarzalny reset lub ziarno (seed).

Macierz testu sprawia, że każdy przebieg odpowiada na odrębne pytanie. Czysty powrót po zasłonięciu sprawdza, czy cel pozostaje reprezentowany poza widokiem. Trasa sprawdza, czy relacje przestrzenne przetrwają ruch kamery. Odizolowana edycja sprawdza, czy wyraźna zmiana nie rozlewa się na niepowiązany stan. Późniejsza inspekcja bada dryf w czasie. Razem te kontrole dają bardziej przydatny raport niż pojedynczy zrzut ekranu oznaczony jako „spójny”.

Zarejestruj konfigurację przed pierwszym przebiegiem

Wynik bez swojej konfiguracji jest trudny do zinterpretowania. Zapisz datę, ścieżkę dostępu, czas trwania sesji, pełny prompt sceny, dokładne prompty uzupełniające, użyte elementy sterowania i metodę nagrywania. Uwzględnij kolejność testów i wszelkie pauzy. Jeśli interfejs udostępnia ziarno (seed), reset lub identyfikator sesji, zapisz je; jeśli nie, napisz „nie zaobserwowano powtarzalnego resetu ani ziarna”.

Przechowuj nagrania wideo lub zrzuty klatek ze znacznikami czasu, zwłaszcza widok początkowy, moment zasłonięcia obiektu i widok powrotu. Te nagrania pozwalają komuś innemu sprawdzić, czy pozorna zmiana wynikała z obiektu, kąta kamery, oświetlenia czy niejednoznacznej klatki. Chronią również przed błędem pamięciowym: po bogatej wizualnie sesji ludzie mają tendencję do przypominania sobie zamierzonej sceny, a nie jej dokładnego wyrenderowanego stanu.

W celu powtórzenia użyj ponownie tego samego promptu i działań tak blisko, jak pozwala interfejs. Jeśli stan początkowy zmienia się między próbami, zgłoś próby jako osobne obserwacje, a nie kontrolowane porównanie A/B. Liczba przebiegów ma znaczenie. Jeden udany powrót to dowód dotyczący jednego przebiegu; nie pokazuje, że ten sam wynik jest niezawodny w różnych sesjach.

Oceniaj dryf bez fałszywej precyzji

Użyj etykiety porządkowej dla każdego z pięciu wymiarów. To praktyczna rubryka raportowania, a nie zwalidowany benchmark ani twierdzenie o wewnętrznej ocenie DeepMind. Wynik powinien podsumowywać to, co pokazuje nagranie, a nie sugerować pomiar na poziomie pikseli, gdy żaden nie został wykonany.

Oceniaj tożsamość, liczbę, pozycję, wygląd i układ niezależnie dla każdego przebiegu. Dodaj znacznik czasu lub odwołanie do klatki oraz krótką rzeczową notatkę dla każdego drobnego lub znacznego dryfu. Jeśli jakiś punkt jest nieobserwowalny, pozostaw go nieocenionego, zamiast zamieniać brakujące dowody na zaliczenie. Trzymaj dowody blisko wyniku, aby czytelnicy mogli odróżnić zmierzoną obserwację od wrażenia.

Nie uśredniaj tych etykiet w procent. Kategorie są porządkowe, a proste uśrednienie ukryłoby, czy krytyczne niepowodzenie było lekkim przesunięciem koloru, czy zduplikowanym obiektem. Jeśli aplikacja wymaga jednej decyzji, najpierw zdefiniuj jej warunek niepowodzenia. Na przykład mechanika gry opierająca się na tym, że konewka pozostaje obok ławki, może traktować każdy znaczny dryf pozycji jako niepowodzenie, podczas gdy wczesna eksploracja moodboardu może tolerować drobny dryf wyglądu.

Co pokazują publiczne dema Genie 4, a czego nie mogą dowieść

Google twierdzi, że jego nagrania premierowe pokazują interakcje w czasie rzeczywistym, w których ludzie nawigują standardowymi elementami sterowania i sterują scenami tekstem. Są przydatne do zrozumienia zamierzonej pętli interakcji: wygeneruj świat promptem, poruszaj kamerą i zmieniaj scenę, gdy ta trwa dalej. Są to jednak wybrane demonstracje i oficjalne strony nie identyfikują ich jako powtarzanych prób trwałości obiektów.

Klip może pokazać, że obiekt pojawia się w dwóch momentach. Bez udokumentowanego stanu początkowego, wyraźnego zasłonięcia, powrotu do tej samej pozycji kamery i powtarzanych przebiegów nie może pokazać, jak często obiekt trwa ani jak bardzo zmienił się poza widokiem. Wybrane nagranie może też pomijać czas między momentami. Traktuj materiał premierowy jako jakościowy dowód możliwości, a nie kontrolowany benchmark.

Ta granica jest szczególnie ważna, ponieważ samo ogłoszenie podaje warunki dryfu. Materiał publiczny oferuje uczciwy punkt wyjścia do oceny, pozostawiając kluczowe pytanie o niezawodność otwarte. Staranny artykuł lub notatka laboratoryjna powinny oznaczać dowody jako „oficjalna demonstracja”, „pojedynczy przebieg praktyczny” lub „powtarzany wynik praktyczny”. Te etykiety powstrzymują czytelników przed myleniem jednej kategorii z drugą.

Kiedy obecne dowody wystarczają do decyzji o przepływie pracy

W przypadku eksploracji koncepcji istotnym pytaniem może być to, czy zespół może szybko iterować nad atmosferą, kierunkiem kamery lub eksplorowalną sceną. Podgląd, który tworzy przekonujący punkt wyjścia, może być przydatny, nawet jeśli rekwizyt się przesuwa, pod warunkiem że zespół traktuje wynik jako wersję roboczą i nie obiecuje stabilnego stanu. DeepMind opisuje kierunek kreatywny i prototypowanie interaktywnych doświadczeń wśród obszarów, które badają zaufani testerzy, jednocześnie pozycjonując model jako wczesny etap badań.

W przypadku oceny agentów, logiki rozgrywki lub symulacji, której wynik zależy od trwałego stanu obiektów, demo premierowe nie wystarczy. Zespół powinien wymagać powtarzanych testów na dokładnie tej interakcji, która ma znaczenie, z zapisaną sceną, elementami sterowania, długością sesji i progiem niepowodzenia. Jeśli zadanie zależy od precyzyjnych lokalizacji obiektów lub złożonych interakcji między kilkoma agentami, to są osobne testy; udany przebieg zasłonięcia pojedynczego obiektu nie może ich ustalić.

Praktyczna zasada decyzyjna polega na dopasowaniu poprzeczki dowodowej do konsekwencji dryfu:

• Niska konsekwencja: Używaj generowanych światów do eksploracji kierunku wizualnego lub zgrubnych pomysłów na interakcję. Utrzymuj człowieka w pętli i oczekuj ręcznej naprawy.
• Umiarkowana konsekwencja: Prototypuj mechanikę dopiero po powtarzanych przebiegach jej kluczowej sekwencji obiektu i kamery. Rejestruj resety, ponowne próby i przypadki niepowodzenia.
• Wysoka konsekwencja: Nie polegaj na publicznych klipach premierowych ani pojedynczym przebiegu. Wymagaj walidacji specyficznej dla zadania, stabilnego zachowania sesji i sposobu odtworzenia stanu początkowego, zanim uznasz świat za niezawodną symulację.

To nie jest wyrok, że Genie 4 nie może obsługiwać wymagających zastosowań. To granica decyzyjna oparta na obecnie dostępnych publicznych dowodach. Gdy dostęp do podglądu się rozszerzy i pojawią się niezależne testy, zespoły będą mogły zastąpić ten ostrożny próg danymi z własnych zadań.

Przypadek ciągłości w pięciu ujęciach: latarnia-motyl w szklarni

Prosty dziedziniec powyżej to kontrolowany test. Bardziej wymagający przypadek kreatywny pyta, czy bogato ubrana postać, poruszająca się kamera i zatłoczone tło mogą współistnieć ze stabilnym obiektem docelowym. Wyobraź sobie szklarnię o zmierzchu wypełnioną morskimi szybami, koralowymi bugenwillami, magentowymi storczykami, bursztynowymi lampami i odbiciami na mokrej mozaikowej podłodze. Tancerka z miedzianym warkoczem i jadeitowozielonej haftowanej kurtce podąża zakrzywioną ścieżką przez pomieszczenie. Celem jest dokładnie jedna ultramarynowa szklana latarnia w kształcie motyla z małym złotym półksiężycowym uchwytem, wisząca po lewej stronie czarnego żelaznego łuku nad białym marmurowym cokołem. Musi tam pozostać z tym samym kolorem, kształtem i uchwytem przez całą sekwencję.

Jeśli masz dostęp do Genie 4, utwórz ten świat raz i nagraj pięć kolejnych dziesięciosekundowych segmentów, nawigując po nim. Zachowaj tę samą sesję; nie generuj nowego świata dla każdego segmentu. Segment 1 ustanawia widok referencyjny. Segment 2 ukrywa latarnię za listowiem i wraca. Segment 3 okrąża łuk i wraca z nowego kierunku. Segment 4 zmienia tylko niebo i światło. Segment 5 wraca po dalszym ruchu. Zapisz ścieżkę kamery i znaczniki czasu oraz oceń tożsamość, liczbę, pozycję, wygląd i układ względem segmentu 1. To są proponowane działania, a nie wyniki ukończonego przebiegu Genie 4.

Aby uzyskać proxy ciągłości wizualnej, które możesz wykonać samodzielnie na Atlas Cloud, użyj Wan 2.7 Image-to-Video, model alibaba/wan-2.7/image-to-video. Jego opublikowany tryb obsługuje dziesięciosekundowe klipy i wskazówki pierwszej klatki. Utwórz jedną starannie skomponowaną klatkę referencyjną, a następnie użyj jej jako pierwszej klatki klipu 1; użyj ostatniej klatki każdego klipu jako pierwszej klatki następnego klipu, gdy ta kontrola jest dostępna. Zamów pięć osobnych dziesięciosekundowych, niemych klipów w formacie 16:9 i przekonwertuj każdy gotowy klip na własny GIF. Nie dziel jednego klipu źródłowego na pięć GIF-ów. Pełny prompt klatki referencyjnej i pięć czasowanych promptów wideo znajdują się w dołączonym arkuszu promptów. Klipy mogą ujawnić dryf wizualny w obrębie klipu lub między klipami; nie mogą zmierzyć, czy Genie 4 pamięta interaktywny świat.

Pięć poniższych klipów pokazuje widok referencyjny, zasłonięcie, trasę kamery, próbę edycji wyłącznie światła i późniejszy powrót. Każdy GIF pochodzi z osobnego dziesięciosekundowego klipu źródłowego. Ilustrują, co należy sprawdzić; nie ustalają wyniku spójności Genie 4.

1. Widok referencyjny. Kamera opada i zatacza łuk w stronę tancerki, gdy ta się odwraca, uśmiecha i gestem wskazuje niebieskiego motyla. Łuk, marmurowy cokół, półksiężycowy wieszak i motyl są widoczne razem, dając późniejszym klipom punkt porównania.

Klip 1: Zapisz widok otwarcia i wyraźny widok końcowy jako referencję dla tożsamości obiektu, liczby, pozycji i układu.

2. Zasłonięcie i powrót. Kamera porusza się przez listowie, gdy tancerka okrąża cokół. Motyl znika z widoku na chwilę, a potem pojawia się ponownie obok tego samego łuku i cokołu. Porównaj wzór jego niebieskich skrzydeł i złoty półksiężycowy wieszak przed zasłonięciem i po nim.

Klip 2: Ważną obserwacją jest wygląd motyla i punkt zawieszenia po powrocie, a nie sam ruch tancerki.

3. Trasa kamery. Kamera przemierza szklarnię, zmienia kąt na łuk i podąża za tancerką, gdy ta sięga po dryfujący płatek. Niebieski motyl pozostaje widocznym punktem orientacyjnym przestrzennym w próbkowanych ujęciach.

Klip 3: Porównaj motyla, łuk i cokół ze zmienionego punktu widzenia, zanim ocenisz, czy układ się przesunął.

. Edycja wyłącznie światła. Żądaną zmianą jest chłodniejsze, deszczowoniebieskie światło przez świetlik. Materiał pokazuje to chłodniejsze światło podczas ruchu nad głową, podczas gdy widok końcowy ociepla się w stronę wcześniejszej zmierzchowej palety. Ta widoczna zmiana ma znaczenie przy ocenianiu rzekomej edycji wyłącznie światła; nie należy jej raportować jako doskonale utrzymanego stanu pogody.

Klip 4: Sprawdź pogodę i oświetlenie osobno od liczby, kształtu i pozycji motyla.

5. Opóźniony powrót. Tancerka podąża inną zakrzywioną ścieżką, odwraca się w stronę łuku i wyciąga rękę, gdy kamera się poszerza. Widok końcowy ponownie pokazuje jednego niebieskiego motyla pod półksiężycowym wieszakiem i nad marmurowym cokołem.

Klip 5: Porównaj ten widok końcowy z Klipem 1. Przesłany materiał to przykład ciągłości wizualnej, a nie nagrany interaktywny powrót w Genie 4.

Nasycona paleta i ekspresyjny ruch ułatwiają śledzenie przykładu, ale odbicia, kwiaty, tkanina i zmieniające się światło również tworzą okazje do fałszywych wrażeń. W próbkowanych klatkach motyl pozostaje rozpoznawalny na łuku; chłodne, deszczowoniebieskie światło zamówione dla Klipu 4 nie utrzymuje się do końcowego powrotu. Rygorystyczny raport sprawdziłby pełne klipy klatka po klatce i zapisałby wszelki dryf obiektu osobno od zmiany oświetlenia. Te pięć niezależnie wygenerowanych klipów nie może pokazać, czy Genie 4 utrzymuje stan, gdy użytkownik oddala się w nawigacji.

Co pozostaje nieznane na temat spójności Genie 4

Przejrzane materiały premierowe nie publikują ilościowego benchmarku spójności, liczbowej tolerancji dryfu obiektów, powtarzanych przebiegów ze stałych stanów początkowych ani niezależnego wyniku praktycznego dla tego protokołu. Nie podają również publicznej ceny API Genie 4 w przejrzanych materiałach. Brak w tych źródłach nie dowodzi, że nie istnieją żadne wewnętrzne oceny ani dane testerów; oznacza to, że czytelnicy nie mogą przejrzeć tych wyników tutaj.

Kilka przydatnych pytań pozostaje otwartych: Jak spójność zmienia się między typami scen? Czy krótka, prosta edycja promptu powoduje mniejszy dryf niż łańcuch edycji? Jak duże znaczenie ma obraz początkowy lub złożoność sceny? Czy testerzy mogą zresetować do tego samego świata i porównać przebiegi? Jak często obiekt zmienia tożsamość, liczbę lub lokalizację po zniknięciu z widoku?

Następnym przydatnym dowodem byłby raport z testu, który publikuje prompty, ścieżkę dostępu, długość sesji, liczbę prób, ścieżkę sterowania, warunki resetu, nagrania i wyniki dla poszczególnych wymiarów. Do tego czasu najdokładniejszym wnioskiem z testu spójności środowiska i trwałości obiektów w Genie 4 jest metoda, a nie wynik: model przyznał istnienie dryfu związanego z długimi sesjami i nawigacją, podczas gdy publiczne demonstracje nie kwantyfikują jeszcze, jak często on występuje.

Gdy dostęp stanie się dostępny, przeprowadź mały test dziedzińca, zanim zobowiążesz się do przepływu pracy zależnego od trwałego stanu. Zapisz każde nagranie i oceń pięć wymiarów oddzielnie. To daje ci powtarzalny punkt odniesienia i utrzymuje efektowne demo na właściwym miejscu: jako powód do testu, a nie jego substytut.

Często zadawane pytania

Czy Genie 4 jest publicznie dostępne?

Oficjalne strony sprawdzone 28 października 2026 r. opisują je jako podgląd badawczy dla zaufanych testerów, z szerszym dostępem planowanym przez Project Genie i partnerów wczesnego dostępu. Sprawdź aktualną stronę Genie 4 przed planowaniem uruchomienia, ponieważ dostęp do podglądu może się zmieniać.

Czy Google opublikowało benchmark spójności Genie 4?

Oficjalne materiały premierowe przejrzane na potrzeby tego artykułu nie podają liczbowego wyniku spójności ani powtarzanych wyników trwałości obiektów. Ujawniają jednak, że szczegóły wizualne i trwałość obiektów mogą dryfować w czasie, zwłaszcza podczas dłuższych sesji, po złożonych edycjach lub podczas nawigacji.

Czy ruch kamery liczy się jako test trwałości obiektów?

To jeden przydatny warunek, ale zapisz, czy obiekt był całkowicie ukryty i czy kamera wróciła do porównywalnego widoku. Orbita kamery, która nigdy nie zasłania obiektu, testuje bardziej spójność punktu widzenia niż trwałość poza widokiem.

Czy model generowania wideo może testować trwałość obiektów w interaktywnym świecie?

Nie. Może testować, czy obiekt wygląda stabilnie w wygenerowanym klipie. Nie może ustalić, że interaktywny świat zachowuje stan po tym, jak użytkownik zmieni pozycję, zadziała na środowisko lub wróci w późniejszej części sesji.