Fei-Fei Li's World Labs neemt SceniX over: fysieke AI-training verschuift van 'data verzamelen' naar 'werelden creëren'

Op 21 juli maakte World Labs de overname van SceniX bekend, een week later gevolgd door de onthulling van de nieuwste resultaten van zijn R2S2R-systeem (Real-to-Sim-to-Real). Dit systeem verplaatst een echte robottaak naar een simulatie, schaalt het taakscenario op voor training en evaluatie, en implementeert het beleid vervolgens weer op de echte robot. De crux is of de relatieve prestaties van het beleid in simulatie de prestaties in de echte wereld voorspellen en of faalregio's in simulatie potentiële implementatieproblemen kunnen blootleggen. World Labs streeft ernaar een trainings- en evaluatiemachine te creëren die echte taken uitbreidt naar talloze beheersbare, herbruikbare trainingswerelden. De overname onderstreept een strategische gok op robotica: wereldmodellen zullen niet alleen visueel realistische omgevingen genereren, maar ook robots in staat stellen om te handelen, te experimenteren en te leren binnen virtuele werelden. Parallel hieraan heeft het Chinese bedrijf Wuwen AI een vergelijkbare visie verwoord met zijn architectuur 'Verzamel wereld - Genereer wereld - Simuleer wereld', gericht op het bouwen van data-infrastructuur voor fysieke AI. Wuwen AI benadrukt gesloten datacycli: data uit de echte wereld voeden wereldreconstructie (Scan2Sim), generatieve uitbreiding (Gen2Sim) en fysica-simulatie (via zijn 'Wuqiong' wereldsimulator), waarbij fouten in de werkelijkheid nieuwe datageneratie aansturen. Het bedrijf betoogt dat het volgende concurrentiegebied niet alleen het vergaren van data of assets is, maar het creëren van veel 'nuttige werelden' die de modelcapaciteiten continu verbeteren.