World Labs de Fei-Fei Li acquiert SceniX : l'entraînement de l'IA physique passe de la « collecte de données » à la « création de mondes »

Le 21 juillet, World Labs a annoncé l'acquisition de SceniX, suivie une semaine plus tard par la révélation des derniers résultats de son système R2S2R (Real-to-Sim-to-Real). Ce système transfère une tâche réelle de robot dans une simulation, étend le scénario de la tâche pour l'entraînement et l'évaluation, puis redéploie la politique sur le robot réel. Le point crucial est de savoir si la performance relative de la politique dans la simulation prédit la performance dans le monde réel et si les zones d'échec dans la simulation peuvent exposer des problèmes potentiels de déploiement. World Labs vise à créer un moteur d'entraînement et d'évaluation qui étend les tâches réelles en de nombreux mondes d'entraînement contrôlables et réutilisables. L'acquisition souligne un pari stratégique sur la robotique : les modèles de monde ne généreront pas seulement des environnements visuellement réalistes, mais permettront également aux robots d'agir, d'expérimenter et d'apprendre dans des mondes virtuels. Parallèlement, l'entreprise chinoise Wuwen AI a articulé une vision similaire avec son architecture « Collecter le Monde - Générer le Monde - Simuler le Monde », visant à construire une infrastructure de données pour l'IA physique. Wuwen AI met l'accent sur les cycles de données en boucle fermée : les données du monde réel alimentent la reconstruction du monde (Scan2Sim), l'expansion générative (Gen2Sim), et la simulation physique (via son simulateur de monde « Wuqiong »), les échecs dans la réalité entraînant la génération de nouvelles données. L'entreprise soutient que la prochaine frontière concurrentielle ne consiste pas seulement à accumuler des données ou des actifs, mais à créer de nombreux « mondes utiles » qui améliorent en continu les capacités des modèles.