A Google DeepMind desenvolveu um agente capaz de jogar videogames chamado SIMA 2, que consegue navegar e resolver problemas em uma ampla variedade de mundos virtuais 3D. A empresa afirma que ele representa um grande avanço rumo a agentes mais generalistas e a robôs melhores no mundo real.
A Google DeepMind apresentou pela primeira vez o SIMA, sigla para Scalable Instructable Multiworld Agent (agente multiambiente escalável e instruível), em 2024. Mas o SIMA 2 foi desenvolvido com base no Gemini, o principal modelo de linguagem de grande porte da empresa, o que ampliou significativamente as capacidades do agente.
Os pesquisadores afirmam que o SIMA 2 consegue executar uma série de tarefas mais complexas dentro de mundos virtuais, descobrir por conta própria como resolver determinados desafios e conversar com seus usuários. Ele também consegue melhorar o desempenho enfrentando tarefas mais difíceis várias vezes e aprendendo por tentativa e erro.
“Os jogos têm sido uma força motriz nas pesquisas sobre agentes há bastante tempo”, afirmou Joe Marino, cientista pesquisador da Google DeepMind. Ele observou que até mesmo uma ação simples em um jogo, como acender uma lanterna, pode envolver várias etapas: “É um conjunto realmente complexo de tarefas que você precisa resolver para progredir.”
O objetivo final é desenvolver agentes de próxima geração capazes de seguir instruções e executar tarefas abertas em ambientes mais complexos do que um navegador da web. No longo prazo, a Google DeepMind quer usar esses agentes para controlar robôs no mundo real. Marino afirmou que as habilidades aprendidas pelo SIMA 2, como navegar por um ambiente, usar ferramentas e colaborar com seres humanos para resolver problemas, são componentes fundamentais para futuros robôs companheiros.
Diferentemente de trabalhos anteriores com agentes capazes de jogar, como o AlphaGo, que derrotou um grande mestre de Go em 2016, ou o AlphaStar, que superou 99,8% dos jogadores humanos ranqueados no videogame StarCraft 2 em 2019, a proposta do SIMA é treinar um agente para um ambiente de jogo aberto, sem objetivos predefinidos. Em vez disso, o agente aprende a executar instruções dadas por pessoas.
Os humanos controlam o SIMA 2 por meio de conversas em texto, falando com ele em voz alta ou desenhando na tela do jogo. O agente recebe os pixels de um videogame quadro a quadro e determina quais ações precisa realizar para cumprir suas tarefas.
Assim como seu antecessor, o SIMA 2 foi treinado com gravações de seres humanos jogando oito videogames comerciais, incluindo No Man’s Sky e Goat Simulator 3, além de três mundos virtuais criados pela própria empresa. O agente aprendeu a associar comandos de teclado e mouse a ações.
Conectado ao Gemini, segundo os pesquisadores, o SIMA 2 é muito melhor em seguir instruções, fazendo perguntas e fornecendo atualizações ao longo do processo, e em descobrir sozinho como executar determinadas tarefas mais complexas.
A Google DeepMind testou o agente em ambientes que ele nunca havia visto antes. Em um conjunto de experimentos, os pesquisadores pediram ao Genie 3, a versão mais recente do modelo de mundo da empresa, que gerasse ambientes do zero e colocaram o SIMA 2 dentro deles. Eles descobriram que o agente conseguia navegar e seguir instruções nesses ambientes.
Os pesquisadores também usaram o Gemini para gerar novas tarefas para o SIMA 2. Quando o agente falhava, o Gemini inicialmente gerava dicas que o SIMA 2 levava em consideração em uma nova tentativa. Repetir uma tarefa várias vezes dessa forma frequentemente permitia que o SIMA 2 melhorasse por tentativa e erro até conseguir realizá-la, afirmou Marino.
Git gud (ou “Melhore”, na linguagem gamer)
O SIMA 2 ainda é um experimento. O agente tem dificuldades com tarefas complexas que exigem várias etapas e mais tempo para serem concluídas. Ele também se lembra apenas de suas interações mais recentes (para tornar o SIMA 2 mais responsivo, a equipe reduziu a memória de longo prazo). Além disso, ele ainda está longe de alcançar o desempenho das pessoas no uso de mouse e teclado para interagir com um mundo virtual.
Julian Togelius, pesquisador de IA da Universidade de Nova York que trabalha com criatividade e videogames, considera o resultado interessante. Segundo ele, tentativas anteriores de treinar um único sistema para jogar vários jogos não tiveram resultados muito bons. Isso acontece porque treinar modelos para controlar vários jogos apenas observando a tela não é fácil: “Jogar em tempo real usando apenas informações visuais é o ‘modo difícil’”, afirma.
Em particular, Togelius destaca o GATO, um sistema anterior da Google DeepMind que, apesar de ter recebido muita atenção na época, não conseguia transferir habilidades entre um número significativo de ambientes virtuais.
Ainda assim, ele mantém uma postura aberta quanto à possibilidade de o SIMA 2 contribuir para o desenvolvimento de robôs melhores. “O mundo real é, ao mesmo tempo, mais difícil e mais fácil do que os videogames”, afirma. É mais difícil porque não basta pressionar “A” para abrir uma porta. Ao mesmo tempo, um robô no mundo real saberá exatamente o que seu corpo pode ou não fazer em determinado momento. Isso não acontece nos videogames, em que as regras de cada mundo virtual podem variar.
Outros são mais céticos. Matthew Guzdial, pesquisador de IA da Universidade de Alberta, no Canadá, não se surpreende tanto com o fato de o SIMA 2 conseguir jogar vários videogames diferentes. Ele observa que a maioria dos jogos utiliza controles de teclado e mouse muito semelhantes: aprenda um e você aprende todos. “Se você colocar diante dele um jogo com um sistema de entrada incomum, não acho que ele conseguiria ter um bom desempenho”, afirma.
Guzdial também questiona quanto do que o SIMA 2 aprendeu poderia realmente ser transferido para robôs. “É muito mais difícil interpretar imagens captadas por câmeras no mundo real do que em jogos, que são projetados com elementos visuais de fácil interpretação para jogadores humanos”, afirma.
Ainda assim, Marino e seus colegas esperam continuar trabalhando com o Genie 3 para permitir que o agente melhore dentro de uma espécie de dojo virtual de treinamento infinito, no qual o Genie gera mundos para que o SIMA aprenda por tentativa e erro, orientado pelo feedback do Gemini. “Nós apenas começamos a explorar a superfície do que é possível”, afirmou.
* Atualizações importantes: Desde a apresentação do SIMA 2, a Google DeepMind ampliou sua pesquisa com agentes em ambientes virtuais. Em agosto de 2026, a empresa anunciou uma parceria com a Fenris Creations para estudar agentes em uma versão offline de EVE Online, com foco em desafios como memória de longo prazo, planejamento e aprendizado contínuo.
A empresa também avançou na área de robótica. Em julho de 2026, apresentou o Gemini Robotics 2, uma família de modelos voltada a tarefas físicas mais complexas, com planejamento de múltiplas etapas e controle de robôs. Embora a DeepMind não afirme que essas capacidades derivem diretamente do SIMA 2, o avanço reforça a direção apontada no texto original, de desenvolver agentes capazes de atuar em ambientes cada vez mais complexos, inclusive no mundo físico.
Will Douglas Heaven
