L'EAI-100 classe Ant Lingbo parmi les principales innovations et les pionniers

Lors du « Sommet des talents de l'IA open source Zhuijin Jinling et de la Conférence des développeurs de la communauté Moba », qui s'est tenu le 22 mars, la liste EAI-100 (Embodied Artificial Intelligence 100) a été officiellement dévoilée. Cette distinction annuelle met en avant les 100 réalisations et personnalités les plus représentatives dans le domaine de l'intelligence incarnée pour l'année 2025. Cette liste a été publiée conjointement par la communauté Moba et des instances telles que le Comité de robotique intelligente de la CCF et le Laboratoire clé de technologie des jumeaux numériques des équipements du MIIT. Ant Lingbo Technology a obtenu une double distinction, figurant à la fois dans la liste principale des « 10 avancées majeures de l'année » et dans celle des « 20 figures pionnières ».

L'EAI-100 constitue une revue annuelle systématique du domaine de l'intelligence incarnée. La sélection repose sur des critères d'impact tangible, de valeur durable et de contribution déterminante, évaluant si les individus et leurs travaux ont permis des progrès substantiels dans les paradigmes de recherche, les capacités des systèmes ou la mise en œuvre industrielle. Parmi les lauréats de cette année figurent des personnalités éminentes et des avancées issues d'institutions telles que l'université Tsinghua, l'université de Pékin et l'université de Hong Kong, ainsi que des entreprises comme Yuzhu Technology, Galaxy General, Xinghai Map et Zhiyuan Robotics.

(Photo : Shen Yujun, d'Ant Lingbo Technology, sélectionné pour la liste des figures pionnières de l'EAI-100, aux côtés de Wang Xingxing, de Yuzhu Technology, et de Wang He, de l'université de Pékin)

LingBot-VLA : un « cerveau général » inter-tâches pour l'intelligence incarnée

Le modèle de base incarné développé en interne par Ant Lingbo Technology, LingBot-VLA, a été sélectionné parmi les « 10 avancées majeures de l'année ». Ce modèle offre une généralisation intermodale et inter-tâches pour les opérations robotiques en monde réel, réduisant considérablement les coûts post-entraînement et faisant progresser le déploiement pratique d'une architecture « un cerveau pour plusieurs machines ».

LingBot-VLA a été pré-entraîné sur plus de 20 000 heures de données opérationnelles réelles couvrant neuf configurations courantes de robots à deux bras. Il fonctionne de concert avec le modèle de perception spatiale haute précision propriétaire d'Ant Lingbo, LingBot-Depth, afin d'améliorer encore la précision opérationnelle. Le modèle ne nécessite que 80 échantillons de démonstration pour parvenir à une adaptation de haute qualité aux tâches. Associé à des optimisations en profondeur de sa bibliothèque de code sous-jacente, il atteint un débit d'entraînement 1,5 à 2,8 fois supérieur à celui des frameworks courants, réduisant ainsi à la fois les coûts liés aux données et aux calculs. Ant Lingbo a mis LingBot-VLA et sa chaîne d'outils de post-entraînement associée en open source, permettant ainsi aux développeurs d'adapter efficacement la technologie à leurs scénarios spécifiques et d'améliorer considérablement son utilité pratique.

Shen Yujun, directeur scientifique, nommé parmi les « 20 figures pionnières »

Shen Yujun, scientifique en chef d'Ant Lingbo Technology, a également été distingué dans la liste « Embodied Intelligence - Pioneer Figures 20 ». Cette liste rend hommage aux personnes qui ont exercé une influence durable et profonde sur le domaine, en reconnaissant notamment leur rôle de « pionniers » lors des phases critiques de l'évolution de la discipline.

Le Dr Shen Yujun, diplômé de l’Université chinoise de Hong Kong, se consacre depuis longtemps à la recherche en vision par ordinateur et en modèles génératifs. Il a publié plus de 100 articles dans des conférences et revues internationales de premier plan telles que CVPR et TPAMI, totalisant plus de 10 000 citations. En tant que directeur technique chez Ant Lingbo Technology, il a dirigé l’équipe qui a publié et mis en open source une suite technique complète en janvier dernier. Celle-ci comprend le modèle de perception spatiale LingBot-Depth, le modèle de base LingBot-VLA, le modèle du monde LingBot-World et le modèle d'action vidéo LingBot-VA. Ce portefeuille constitue une matrice complète allant de la perception spatiale à la prise de décision intelligente et des capacités fondamentales à la modélisation du monde, accélérant ainsi la transition de l'intelligence incarnée de la recherche en laboratoire vers des applications à grande échelle dans le monde réel.