Maison
1X dévoile un modèle mondial destiné à faire progresser l'apprentissage visuel des robots

1X, la société à l'origine du robot humanoïde Neo, a présenté un nouveau modèle d'IA conçu pour comprendre la dynamique du monde réel et permettre aux robots d'apprendre de manière autonome.
Ce modèle basé sur la physique, baptisé « 1X World Model », utilise des données vidéo et des invites pour doter les robots Neo de nouvelles capacités. Selon 1X, le système permet aux robots d'apprendre des tâches allant au-delà de leur formation initiale.
Cette annonce coïncide avec les préparatifs de 1X en vue du lancement de ses humanoïdes Neo destinés à un usage domestique. La société a commencé à accepter les précommandes en octobre, les livraisons étant prévues pour cette année. Un porte-parole de la société a refusé de fournir un calendrier de livraison précis ou de divulguer le nombre de commandes, se contentant d'indiquer que les précommandes avaient dépassé les attentes.
« Après des années passées à développer notre modèle du monde et à affiner le design humanoïde de Neo, celui-ci est désormais capable d’apprendre à partir de vidéos en ligne et d’appliquer directement ces connaissances dans le monde physique », a déclaré Bernt Børnich, fondateur et PDG de 1X. « En traduisant des invites en nouvelles actions — même sans exemples préalables —, cela marque le début de la capacité de Neo à s’auto-former et à maîtriser un large éventail de tâches. »
L'affirmation selon laquelle le robot peut transformer n'importe quelle instruction en action est ambitieuse et pas tout à fait exacte ; par exemple, on ne peut pas simplement demander à un Neo de conduire une voiture et s'attendre à ce qu'il se gare en créneau immédiatement. Cependant, un processus d'apprentissage est bel et bien en cours.
Un porte-parole de l’entreprise a précisé que le modèle du monde actuel ne permet pas instantanément aux robots Neo d’effectuer une nouvelle tâche sur la seule base d’une instruction vidéo. Au lieu de cela, les données vidéo associées à des instructions spécifiques sont traitées par le modèle, et les informations ainsi obtenues sont ensuite diffusées à l’ensemble du réseau de robots. Cela améliore leur compréhension collective du monde physique et élargit leurs connaissances pratiques.
Le modèle offre également un aperçu de la manière dont Neo interprète et planifie ses réponses à des instructions données. Ces données comportementales aident 1X à entraîner les modèles, en vue d'un avenir où les robots pourront répondre efficacement à des instructions totalement inédites.
Inscrivez-vous sur la liste d'attente de Disrupt 2026
Réservez votre place sur la liste d'attente de Disrupt 2026 pour bénéficier d'un accès prioritaire aux billets Early Bird. Les éditions précédentes de Disrupt ont accueilli des dirigeants de Google Cloud, Netflix, Microsoft, Box, Phia, a16z, ElevenLabs, Wayve, Hugging Face, Elad Gil et Vinod Khosla — parmi plus de 250 experts du secteur animant plus de 200 sessions conçues pour accélérer votre croissance et renforcer votre avantage concurrentiel. De plus, entrez en contact avec des centaines de startups innovantes issues de tous les secteurs.
Inscrivez-vous sur la liste d'attente de Disrupt 2026
Réservez votre place sur la liste d'attente de Disrupt 2026 pour bénéficier d'un accès prioritaire aux billets Early Bird. Les éditions précédentes de Disrupt ont accueilli des dirigeants de Google Cloud, Netflix, Microsoft, Box, Phia, a16z, ElevenLabs, Wayve, Hugging Face, Elad Gil et Vinod Khosla, qui font partie des plus de 250 experts du secteur animant plus de 200 sessions conçues pour accélérer votre croissance et renforcer votre avantage concurrentiel. De plus, entrez en contact avec des centaines de startups innovantes issues de tous les secteurs.
San Francisco | 13-15 octobre 2026 INSCRIVEZ-VOUS DÈS MAINTENANT SUR LA LISTE D'ATTENTE
Article connexe
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés
Conformité des véhicules autonomes en Californie : une nouvelle ère marquée par les amendes, les zones de géolocalisation et 1 million de miles
Guident exploite une navette AuveTech dans le sud de la Floride, gérant un parcours de quatre miles à West Palm Beach et un parcours d’un mile à Boca Raton grâce à sa technologie de surveillance à dis
Recommandations de sujets spéciaux liés
commentaires (2)
So they're basically giving robots a physics engine in their brains? That sounds cool but also kinda scary. How do they handle all the messy real-world noise that simulators can't capture? 🤔
Interesting approach, but I'm a bit skeptical about how well a physics-based world model can handle the messy unpredictability of real environments. The video input part sounds promising for learning, but I wonder about the computational cost and if it'll lead to robots that are good at specific tasks but lack common sense. The race for humanoid AI is heating up! 🤖

1X, la société à l'origine du robot humanoïde Neo, a présenté un nouveau modèle d'IA conçu pour comprendre la dynamique du monde réel et permettre aux robots d'apprendre de manière autonome.
Ce modèle basé sur la physique, baptisé « 1X World Model », utilise des données vidéo et des invites pour doter les robots Neo de nouvelles capacités. Selon 1X, le système permet aux robots d'apprendre des tâches allant au-delà de leur formation initiale.
Cette annonce coïncide avec les préparatifs de 1X en vue du lancement de ses humanoïdes Neo destinés à un usage domestique. La société a commencé à accepter les précommandes en octobre, les livraisons étant prévues pour cette année. Un porte-parole de la société a refusé de fournir un calendrier de livraison précis ou de divulguer le nombre de commandes, se contentant d'indiquer que les précommandes avaient dépassé les attentes.
« Après des années passées à développer notre modèle du monde et à affiner le design humanoïde de Neo, celui-ci est désormais capable d’apprendre à partir de vidéos en ligne et d’appliquer directement ces connaissances dans le monde physique », a déclaré Bernt Børnich, fondateur et PDG de 1X. « En traduisant des invites en nouvelles actions — même sans exemples préalables —, cela marque le début de la capacité de Neo à s’auto-former et à maîtriser un large éventail de tâches. »
L'affirmation selon laquelle le robot peut transformer n'importe quelle instruction en action est ambitieuse et pas tout à fait exacte ; par exemple, on ne peut pas simplement demander à un Neo de conduire une voiture et s'attendre à ce qu'il se gare en créneau immédiatement. Cependant, un processus d'apprentissage est bel et bien en cours.
Un porte-parole de l’entreprise a précisé que le modèle du monde actuel ne permet pas instantanément aux robots Neo d’effectuer une nouvelle tâche sur la seule base d’une instruction vidéo. Au lieu de cela, les données vidéo associées à des instructions spécifiques sont traitées par le modèle, et les informations ainsi obtenues sont ensuite diffusées à l’ensemble du réseau de robots. Cela améliore leur compréhension collective du monde physique et élargit leurs connaissances pratiques.
Le modèle offre également un aperçu de la manière dont Neo interprète et planifie ses réponses à des instructions données. Ces données comportementales aident 1X à entraîner les modèles, en vue d'un avenir où les robots pourront répondre efficacement à des instructions totalement inédites.
Inscrivez-vous sur la liste d'attente de Disrupt 2026
Réservez votre place sur la liste d'attente de Disrupt 2026 pour bénéficier d'un accès prioritaire aux billets Early Bird. Les éditions précédentes de Disrupt ont accueilli des dirigeants de Google Cloud, Netflix, Microsoft, Box, Phia, a16z, ElevenLabs, Wayve, Hugging Face, Elad Gil et Vinod Khosla — parmi plus de 250 experts du secteur animant plus de 200 sessions conçues pour accélérer votre croissance et renforcer votre avantage concurrentiel. De plus, entrez en contact avec des centaines de startups innovantes issues de tous les secteurs.
Inscrivez-vous sur la liste d'attente de Disrupt 2026
Réservez votre place sur la liste d'attente de Disrupt 2026 pour bénéficier d'un accès prioritaire aux billets Early Bird. Les éditions précédentes de Disrupt ont accueilli des dirigeants de Google Cloud, Netflix, Microsoft, Box, Phia, a16z, ElevenLabs, Wayve, Hugging Face, Elad Gil et Vinod Khosla, qui font partie des plus de 250 experts du secteur animant plus de 200 sessions conçues pour accélérer votre croissance et renforcer votre avantage concurrentiel. De plus, entrez en contact avec des centaines de startups innovantes issues de tous les secteurs.
San Francisco | 13-15 octobre 2026 INSCRIVEZ-VOUS DÈS MAINTENANT SUR LA LISTE D'ATTENTE
PDG de DeepMind, Hassabis : Je dors six heures par jour et je me sens généralement plein d’énergie vers 1 h du matin.
Fortune a récemment publié une interview avec Demis Hassabis, PDG de Google DeepMind, révélant son approche non conventionnelle du repos et de la productivité. Hassabis a divulgué qu’il dort très peu, structurant ses heures d’éveil en deux blocs de t
OpenAI et Anthropic se disputent des parts de marché malgré des résultats en deçà des attentes
Bien que des informations récentes laissent entendre qu’OpenAI n’aurait pas atteint ses objectifs de chiffre d’affaires, ce qui a pesé sur les valeurs technologiques ce mardi, les investisseurs privés
So they're basically giving robots a physics engine in their brains? That sounds cool but also kinda scary. How do they handle all the messy real-world noise that simulators can't capture? 🤔
Interesting approach, but I'm a bit skeptical about how well a physics-based world model can handle the messy unpredictability of real environments. The video input part sounds promising for learning, but I wonder about the computational cost and if it'll lead to robots that are good at specific tasks but lack common sense. The race for humanoid AI is heating up! 🤖











