Par Tian Yanlin, depuis Afeisi
QbitAI | Compte officiel QbitAI
La piste des modèles du monde prend de plus en plus des allures d'un affrontement entre les meilleurs experts mondiaux de l'IA !
Yann LeCun continue de miser sur les modèles du monde prédictifs, Fei-Fei Li dirige World Labs pour explorer des mondes 3D interactifs, et les meilleures équipes mondiales d'IA accélèrent l'exploration selon différentes voies technologiques.
Permettre à l'IA de véritablement comprendre le monde physique et de prédire ses transformations devient le point central d'une nouvelle vague de compétition technologique.
Récemment, cette vague d'engouement pour les modèles du monde s'est également étendue à Nankin.
Le 20 octobre,le premier Congrès 2026 sur l'IA physique et les modèles du mondes'est ouvert à Nankin. Le lauréat du prix TuringLeCun ainsi que Yao Qizhiy ont partagé à distance leurs dernières observations.
Lors de ce grand rendez-vous académique et industriel dédié aux modèles du monde, l'entreprise d'intelligence incarnée issue de TsinghuaQianjue Technologya également officiellement présenté lors du congrèsson modèle du monde prédictif Polibrain。
Gao Haichuan, fondateur de Qianjue Technologya expliqué en une phrase, lors de son discours d'ouverture, la valeur unique des modèles du monde :
Avec une carte, on peut en déduire le chemin le plus court ; mais avec un chemin, on ne peut pas reconstituer une carte.
La « carte » dont il est question ici désigne précisément une compréhension abstraite du monde physique et de ses lois d'évolution.
Ce que Polibrain, présenté cette fois par Qianjue, cherche à faire, c'est de doter les robots d'une telle « carte » utilisable pour la prédiction et la planification.
Dès 2025, Qianjue avait publié en collaboration avec une équipe de l'université Tsinghua des travaux de recherche théorique sur les modèles du monde à l'ICML, et ses explorations publiques sur l'identifiabilité des variables latentes, la préférence pour les ordres bas, etc.,précédaient d'environ un an les recherches similaires de l'équipe de LeCun.
À peine un an plus tard, Qianjue a déjà fait progresser ces acquis technologiques jusqu'à des applications sur de vrais robots.
De la perception de l'environnement et la prédiction des actions jusqu'à la planification autonome et le retour d'exécution, Qianjue tente de permettre aux robots d'apprendre à décider eux-mêmes de la prochaine étape en fonction des variations du monde physique.
À l'heure actuelle, cet ensemble de capacités intelligentesest déjà en cours d'adaptation sur des formes robotiques variées : quadrupèdes, humanoïdes, à roues, bi-bras, etc.
Qu'a donc de si particulier le modèle du monde prédictif Polibrain de Qianjue ? Comment parviennent-ils à faire partager un même cerveau intelligent à des robots de formes différentes ?
Une nouvelle approche pour le cerveau des robots
« On parle tant des modèles du monde, mais les a-t-on vraiment compris ? »
Lors du discours de clôture de la cérémonie d'ouverture, Gao Haichuan a d'abord posé cette question.
Il a ensuite raconté une histoire : « Un marchand de l'Antiquité devait transporter des litchis de Guangzhou à Chang'an : comment trouver l'itinéraire le plus rapide ? »
Les spectateurs ayant vu le film « Le Litchi de Chang'an » ne devraient pas être dépaysés par cette énigme.
Gao Haichuan a proposé deux solutions.
Une première méthode consiste à parcourir tous les itinéraires possibles afin d'en déterminer la solution optimale.
L'autre méthode consiste à déterminer d'abord quelles villes se trouvent sur le chemin entre Guangzhou et Chang'an et comment elles sont reliées entre elles, à dessiner une carte, puis à planifier l'itinéraire à partir de cette carte.
La première approche lui sert d'analogie avec l'approche VLA actuelle, tandis que la seconde correspond à la méthode de prédiction et de planification des modèles du monde.
La différence réside dans la capacité du robot à simuler à l'avance les conséquences possibles de ses actions, réduisant ainsi les essais et erreurs réels.
C'est précisément le problème que le modèle du monde prédictif Polibrain de Qianjue cherche à résoudre.
Alors, appliquée à de vrais robots, que peut accomplir cette méthode ?
Une vidéo de démonstration d'application fournie par Qianjue présente un scénario intuitif.
En extérieur, un chien robot quadrupède, équipé d'un bras robotisé et portant un panier de collecte sur le dos, est en train d'effectuer une tâche de collecte de déchets.
Il doit trouver de manière autonome les déchets au sol, identifier la position de la cible, s'en approcher, puis planifier les mouvements du bras robotisé pour saisir les déchets et les déposer dans le panier de collecte qu'il transporte.
Cela ne ressemble qu'à une simple série de gestes de ramassage de déchets, mais derrière se cache toute une chaîne de problèmes décisionnels :Où se trouvent les déchets ? Dans quelle direction le chien robot doit-il s'approcher ? Une fois le bras robotisé tendu, pourra-t-il saisir la cible sans difficulté ?
Surtout dans un environnement réel, la position des objets et les relations spatiales peuvent changer. Pour le robot, il ne suffit pas de savoir quoi faire à l'étape suivante ; il doit aussi anticiper ce qui se passera si cette étape est exécutée.
C'est précisément le problème que le modèle du monde prédictif cherche à résoudre.
Polibrain, en apprenant les relations entre l'état de l'environnement, les informations historiques et les résultats des actions, prédit les changements d'état dans un espace de représentation latent lié à la tâche.
Il y a ici un choix technique essentiel.
Polibrain ne cherche pasà générer intégralement chaque image future。
Pour un robot en train de ramasser des déchets, la couleur du sol ou la quantité de textures en arrière-plan n'ont pas nécessairement d'importance.
Ce qui influence réellement l'accomplissement de la tâche, c'est la position des déchets, la relation relative entre le bras robotisé et la cible, ainsi que la manière dont l'action de saisie modifiera l'état de la cible.
Plutôt que de dépenser d'énormes ressources de calcul pour reconstituer le monde entier, il vaut mieux concentrer la prédiction sur les informations clés qui influencent réellement l'action.
Gao Haichuan a également souligné dans son discours :« Pour qu'un modèle du monde fonctionne bien, la clé réside dans la représentation de l'état. »
Mais une prédiction précise n'est que la première étape.
Dans les tâches réelles, il est difficile que tout se déroule exactement comme prévu. En cas d'échec de la saisie ou de changement de la position de la cible, le robot doit aussi savoir comment continuer.
Polibrain relie la perception de l'environnement, la compréhension de l'état, la prédiction des actions, la prise de décision pour la tâche, l'exécution des mouvements et l'ajustement par retour d'information, formant ainsi une boucle de décision continue.
Lorsque le résultat de l'exécution ne correspond pas à la prédiction, le modèle peut réévaluer la tâche en fonction du nouvel état de l'environnement et ajuster les actions suivantes.
Il prend également en charge, grâce au décodage des caractéristiques clés, le suivi des écarts entre l'état attendu et le résultat réel, fournissant ainsi une base pour la localisation des anomalies et la reprise de la tâche.
Cependant, la fiabilité réelle de ce mécanisme dans des scénarios complexes reste à valider par des données de test plus complètes.
De plus, cette « carte » n'appartient, en théorie, pas à un seul type de robot.
Un robot humanoïde peut saisir une tasse avec sa main mécanique, et un robot à roues équipé d'un seul bras peut le faire aussi.
Bien que leurs structures corporelles et leurs modes de contrôle diffèrent, les relations entre objets, les états des cibles et les lois d'évolution de l'environnement qu'ils doivent comprendre présentent des points communs.
Cela signifie que,une partie des capacités intelligentes orientées vers le monde physique a la possibilité d'être réutilisée entre différents robots.
À l'heure actuelle, Qianjue a déjà commencé l'adaptation sur diverses formes de robots — humanoïdes, à roues, à bras unique, à double bras — et explore des tâches telles que les services d'accompagnement, les services de restauration, le rangement d'objets et la manipulation de précision.
Cependant, pour que des robots de formes différentes partagent réellement un même ensemble de capacités intelligentes, la seule prédiction de l'environnement ne suffit pas.
Le modèle doit apprendre, à partir de scénarios réels complexes, des lois réutilisables d'un environnement à l'autre et d'une tâche à l'autre.
Cela touche à une recherche plus fondamentale de Qianjue :la représentation polynomiale.
Un an avant des recherches similaires de LeCun, comment Qianjue surmonte-t-elle le défi de la généralisation ?
Ce qu'on appelle la « représentation polynomiale », en termes simples, c'estgrâce à un ensemble de méthodes mathématiques,permettre à l'IA d'extraire d'environnements complexes les variables clés qui influencent réellement le résultat d'une tâche,et de réduire la dépendance aux détails non pertinents.
Pourquoi cette technologie est-elle nécessaire ?
Pour qu'un robot s'adapte à différents scénarios, il ne peut pas éviter un problème :la généralisation.。
Par exemple, si un robot apprend à saisir des objets dans un entrepôt, et qu'on le transfère dans un autre entrepôt, dès que l'éclairage, l'arrière-plan ou la position des rayonnages changent, ses performances peuvent fortement se dégrader.
Le problème, c'est qu'au moment de l'entraînement, le modèle risque fort de mémoriser un grand nombre de détails sans rapport avec la tâche. Les textures de l'arrière-plan, les conditions d'éclairage, voire les objets disposés autour, peuvent tous être considérés par le réseau de neurones comme des critères de jugement.
Cela easily provoque facilement« la pollution de caractéristiques »。
Un autre problème est plus insidieux : le modèle peut croire à tort qu'il existe une relation de cause à effet entre des phénomènes qui se produisent souvent simultanément.
Gao Haichuan a donné un exemple dans son discours.
Avant de sortir, le propriétaire prend ses clés dans le tiroir. Il y a ici trois événements : le propriétaire sort, le propriétaire prend ses clés, les clés disparaissent du tiroir.
Si le modèle n'apprend que les corrélations entre événements, il peut conclure à tort que dès que le propriétaire sort, les clés disparaissent du tiroir.
Le jour où le propriétaire oublie réellement ses clés et demande au robot de les chercher, le robot pourrait au contraire en juger que, le propriétaire étant déjà sorti, les clés ne sont sûrement pas dans le tiroir.
De toute évidence, cela ne correspond pas aux relations de cause à effet du monde réel.
Le modèle se contente-t-il d'apprendre par cœur, ou a-t-il acquis les lois du monde physique ?
Qianjue espère, grâce à la représentation polynomiale, amener le modèle à mémoriser moins de détails de scène et à apprendre davantage de règles transférables.
Derrière cette approche se trouvent plusieurs années de travaux de recherche accumulés par Qianjue.
En 2025, Qianjue, en collaboration avec une équipe de Tsinghua, a publié à l'ICML « When Do Neural Networks Learn World Models? », qui étudie dans quelles conditions les réseaux de neurones peuvent restaurer la structure cachée du monde à partir de données d'observation.
L'étude part de« l'apprentissage multi-tâches » et de la « préférence pour les bas degrés »en utilisant la transformée de Fourier-Walsh pour analyserla structure des fonctions dans un monde booléen discretet expliquer quand le modèle peut identifier les véritables variables latentes.
Fait intéressant, l'équipe de LeCun aborde elle aussi le sujet sous un angle théorique proche.
En mai 2026, LeCun et al. ont publié « When Does LeJEPA Learn a World Model? », qui étudie également l'identifiabilité des variables latentes des modèles du monde, ainsi que la relation entre l'ordre des fonctions et la préférence pour les bas degrés.
Dans son discours, Gao Haichuan a expliqué plus en détail les différences entre les deux études.
L'équipe de Qianjue propose des critères d'apprentissage du point de vue de l'inférence causale et de l'espace booléen, tandis que l'équipe de LeCun aborde la question sous l'angle de la dimension temporelle.
Bien que les objets d'étude et les outils mathématiques diffèrent, lescritères d'apprentissageproposés par les deux études présentent une certaineéquivalence, et les représentations qui en découlent sont également, au niveau informationnel, dotées d'une certaine équivalence.
En réalité, les deux tentent de répondre à la même question :
comment l'IA parvient-elle, à partir d'observations complexes, à apprendre une structure du monde généralisable ?
Si l'on se réfère aux dates de publication, les recherches de Qianjue en collaboration avec l'équipe de Tsinghua sur une méthodologie similaire précèdent d'environ un an l'article susmentionné de l'équipe de LeCun.
En 2026, Qianjue, avec l'équipe de Tsinghua, a en outre proposé le « degré effectif »(Effective Degree, ED), tentant de fournir une « règle » calculable pour mesurer la complexité des réseaux de neurones.
Auparavant, les benchmarks permettaient de dire aux chercheurs si un modèle répondait correctement, mais il n'était pas facile pour eux de déterminer à quel point la fonction apprise par le modèle est réellement complexe.
ED tente de résoudre ce problème.
Sa méthode consiste à observer le réseau de neurones le long du chemin d'interpolation entre des points de données réels, à ajuster la sortie du modèle à l'aide de polynômes orthogonaux, puis à calculer la complexité en fonction du poids des composantes de différents ordres.
Lorsque les composantes de bas ordre dominent, l'ED est faible ; plus les composantes de haut ordre sont nombreuses et amples, plus l'ED est élevé.
De cette manière, les chercheurs peuvent non seulement quantifier et comparer la complexité fonctionnelle des modèles, mais aussi introduire cette métrique dans le processus d'entraînement afin d'aider le modèle à réduire les variations complexes inutiles.
Bien entendu, une fonction plus simple ne signifie pas que le modèle ait nécessairement saisi les bonnes lois physiques.
Mais cette recherchefournit un nouvel outil pour analyser et optimiser la capacité de généralisation des modèles。
Outre l'apprentissage de l'extraction de régularités, le robot doit aussi retenir ce qui est vraiment important.
Par exemple, un robot place une tasse dans un placard et, une fois la porte fermée, il ne la voit plus. Lorsque l'étape suivante nécessite de manipuler cette tasse, il doit se souvenir de l'endroit où elle a été rangée.
Dans des tâches continues, les objets peuvent être occultés, et certains états ne peuvent être déterminés uniquement à partir de l'image actuelle.
Ainsi, l'équipe de Qianjue a également étudiéun mécanisme de filtrage des informations historiques fondé sur l'inférence contrefactuelle。
En termes simples, il s'agit de déterminer si une observation historique donnée influencera les prédictions et décisions ultérieures, puis de décider s'il faut la conserver.
Le robot n'a pas besoin de mémoriser toutes les images qu'il a vues, mais conserve en priorité les informations qui affecteront les tâches suivantes.
La couleur de l'arrière-plan n'est pas forcément importante ; en revanche, la place du verre dans quel placard influencera l'action suivante.
La « représentation polynomiale » aide le modèle à extraire les variables clés, tandis que la « mémoire causale » l'aide à filtrer les expériences importantes.
Ensemble, elles apportent un soutien méthodologique au robot pour faire face à des situations complexes telles que les occlusions, les retards de retour d'information et les tâches en plusieurs étapes.
Cependant, les recherches fondamentales concernées fournissent des justifications techniques ; l'efficacité réelle doit encore être validée par davantage de tâches réelles.
On ne va tout de même pas faire réapprendre au robot comment travailler à chaque fois qu'il change de pièce, n'est-ce pas ?
La représentation polynomiale et la mémoire causale fournissent une base technique permettant au modèle d'apprendre et d'exploiter des régularités transférables.
Mais comment faire en sorte que les régularités apprises puissent être utilisées conjointement par des robots de formes différentes ?
Cela soulève une autre question : comment séparer la compréhension du monde du corps du robot qui exécute concrètement les actions.
Ne pas fabriquer de robots : Qianjue veut créer le cerveau de tous les robots
Revenons à ce fruit du litchi destiné à être envoyé à Chang'an.
Même avec une carte en main, pour que le litchi parvienne réellement à Chang'an, il faut encore que différents maillons de transport — chevaux, chars et bateaux, relais de poste — travaillent en synergie.
De même, le fait qu'un robot ait une compréhension du monde ne signifie pas qu'il doive accomplir toutes les actions de manière autonome.
Gao Haichuan donne un exemple : pour faire mettre des vêtements dans la machine à laver par un robot, un robot humanoïde peut tenir les vêtements d'une main et ouvrir la porte de l'autre.
Mais que se passe-t-il si l'on remplace ce robot par un robot à roues doté d'un seul bras mécanique ?
Il peut tout à fait faire ouvrir la porte de la machine à laver par elle-même grâce au système domotique IoT de la maison connectée.
Le matériel diffère, le mode d'exécution diffère, mais le changement最终 produit dans le monde physique peut être identique.
C'est aussice que l'« architecture de modèle du monde à couplage lâche » de Qianjueveut résoudre.
Concrètement, Polibrain sépare relativement la représentation commune de l'environnement et des tâches de la capacité d'exécution des actions propre à chaque robot.
La compréhension du monde peut être partagée ; quant à la manière d'exécuter, elle est décidée par chaque robot, voire par chaque équipement automatisé, selon ses propres capacités.
Cette approche détermine égalementle positionnement produit de Qianjue : ne pas fabriquer de corps de robots, mais fournir des capacités d'intelligence aux robots de toutes formes.
De plus, l'objectif de Qianjue ne se limite pas auxrobots généralistes, il inclut aussi lesrobots spécialisés dédiés à des tâches précises。
. Gao Haichuan estime que la mise en œuvre commerciale de l'intelligence incarnée sera probablement progressive, et qu'il n'est pas nécessaire de viser d'emblée une forme humanoïde complète.
Par exemple, en retirant un bras robotique, il peut devenir un robot de livraison pour hôtels ; en le dotant de deux bras, il peut s'adapter aux scénarios de restauration ; et en ajustant davantage la structure du corps, il peut être utilisé pour l'inspection, la sécurité, le nettoyage environnemental et d'autres tâches.
La forme peut varier selon les scénarios, mais la compréhension sous-jacente du monde a la possibilité d'être réutilisée.
Plus remarquable encore, cette réutilisation trans-embodiment comporte également une dimension devaleur des données。
L'intelligence embarquée est depuis longtemps confrontée au problème du manque de données d'interaction physique. La collecte sur robots réels est coûteuse et lente à accumuler, et les données de différentes formes sont difficilement partageables directement.
Du point de vue des sources de données, les données nécessaires à l'apprentissage des robots peuvent être grossièrement divisées en trois niveaux :
- Au niveau inférieur se trouvent les données sans embodiment, comme les vidéos à la première personne et les vidéos d'opérations humaines, qui aident le modèle à apprendre l'environnement, les relations entre objets et les processus d'interaction.
- Au niveau intermédiaire se trouvent les données d'embodiment robotique, telles que la téléopération sur robots réels, qui établissent le lien entre les actions concrètes et les changements de l'environnement physique.
- La couche supérieure correspond aux données de feedback issues de scénarios métier réels, permettant au modèle de découvrir les problèmes de longue traîne et de continuer à itérer.
Ces trois types de données ont chacun leur rôle, mais pour qu'ils produisent réellement de la valeur, il faut encore résoudre le problème de la difficile réutilisation des données inter-embodiments.
Gao Haichuan estime que les robots humanoïdes, à roues, quadrupèdes, et même les robots aspirateurs, bien que leurs structures diffèrent, partagent des points communs dans la compréhension des relations entre objets, des objectifs de tâche et des changements d'environnement.
Polibrain espère qu'en partageant des représentations de haut niveau, les données accumulées par différentes formes de robots pourront servir un même ensemble de modèles.
Davantage de robots connectés couvrant davantage de scénarios réels ; une accumulation continue de données favorisant la généralisation des modèles ; et l'amélioration des capacités des modèles attirant à son tour davantage de fabricants de robots et de clients.
Ainsi, un volant de données inter-embodiments devient possible à former.
Cependant,le partage des représentations ne signifie pas que les données puissent s'interconnecter automatiquement.Gao Haichuan évoque également les barrières de données entre différentes entreprises de robotique.
Pour chaque fabricant de robots, les données ont en elles-mêmes une valeur commerciale, et le partage ouvert n'est pas facile.
En tant que société de modèles indépendante, Qianjue explore, en servant différentes entreprises de robotique, l'utilisation collaborative des données inter-embodiments.
De la recherche théorique à l'application sur des robots réels, la sortie de Polibrain offre un échantillon d'observation pour l'essor industriel des modèles prédictifs du monde.
Quant à savoir si les données inter-embodiments pourront véritablement être interconnectées, et si les capacités du modèle continueront de progresser avec l'ampleur des applications, cela nécessite encore des validations dans davantage de scénarios réels.
Pour l'instant, la « carte » existe déjà.
Mais entre le tracé de la carte et la livraison du fameux « litchi » jusqu'à Chang'an, il reste encore un long chemin à parcourir.