姚卯青 : l’entraînement des modèles mondiaux est confronté à un mauvais appariement des données et à des limites de mise à l’échelle

robot
Création du résumé en cours
消息 du Mars Finance du 17 juillet. Le PDG de Mifeng Technology, Yao Mouqing, a déclaré lors de la WAIC 2026 que le cœur des world models réside dans la prédiction de l’« état suivant » du monde physique. Il a admis que la recherche actuelle se concentre surtout sur la génération d’images, avec deux grands points douloureux : d’une part, la plupart des vidéos sur Internet contiennent du contenu non physique, et manquent de données d’interaction par contact dont les robots ont besoin ; d’autre part, l’ampleur des données est bien inférieure à celle des grands modèles, l’information du monde physique étant moins dense, ce qui rend nécessaire, pour réaliser des décisions de haut niveau, des données de tests sur de vrais robots à l’échelle de « centaines de millions d’heures ». Yao Mouqing a souligné que les world models doivent posséder des capacités de compréhension multimodale, de maîtrise des lois de la physique et de raisonnement causal. Concernant la mise en œuvre, il estime que, dans un avenir proche, les cas d’usage à forte fréquence et des environnements contrôlables devraient d’abord franchir un cap ; la généralisation dans des environnements ouverts comme le foyer dépendra de la capacité de l’industrie à construire une meilleure généralisation universelle. (Regard grand angle)
Voir l'original
Cette page peut inclure du contenu de tiers fourni à des fins d'information uniquement. Gate ne garantit ni l'exactitude ni la validité de ces contenus, n’endosse pas les opinions exprimées, et ne fournit aucun conseil financier ou professionnel à travers ces informations. Voir la section Avertissement pour plus de détails.
  • Récompense
  • Commentaire
  • Reposter
  • Partager
Commentaire
Ajouter un commentaire
Ajouter un commentaire
Aucun commentaire
  • Épinglé