Le MotuBrain de Shengshu Technology s'impose comme la référence en matière d'intelligence incarnée, tandis que ce outsider international se hisse en tête de deux classements

Le « modèle mystérieux » qui fait parler de lui depuis trois semaines dans le domaine de l’intelligence incarnée a enfin été identifié. Il y a quelques semaines, un modèle baptisé MotuBrain s’est discrètement hissé en tête de deux grands benchmarks internationaux consacrés à la compréhension du monde physique et à l’exécution d’actions, suscitant une vive curiosité dans le secteur. Récemment, Shengshu Technology, connue pour son modèle de génération vidéo Vidu, a officiellement confirmé que ce modèle était son tout dernier produit commercial dans le domaine de l’intelligence incarnée.

Cette initiative interdomaines est loin d’être une simple expérience. MotuBrain a établi de nouveaux records sur WorldArena (testant la compréhension du monde physique) et RoboTwin 2.0 (évaluant l’exécution d’actions). En particulier, dans des environnements complexes comportant des perturbations aléatoires simulées, il a été le seul modèle à atteindre un score moyen supérieur à 95, démontrant ainsi de solides capacités de généralisation.

« Voir et agir » : briser les barrières entre la perception et l'action

Contrairement aux modèles traditionnels « imaginer d'abord, agir ensuite », MotuBrain adopte un cadre innovant de « modèle d'action du monde ». Cette conception « voir et agir » permet aux robots de simuler tout en prenant des décisions, empêchant ainsi les erreurs de prédiction et d'exécution de se cumuler, et améliorant considérablement la vitesse de réponse.

Lors de démonstrations pratiques, les robots équipés de ce système ont fait preuve d’un haut niveau d’intelligence. Dans un scénario de fondue, le robot pouvait déterminer visuellement si la cuillère était vide et décider de manière autonome de la récupérer ou non, plutôt que de répéter de manière rigide des actions prédéfinies. Cette capacité à « lire la scène » marque la transition des robots d’une simple exécution mécanique vers une véritable prise de décision intelligente.

Un cerveau, plusieurs formes : exécution fluide de tâches à long terme

La force principale de MotuBrain réside dans sa grande polyvalence. Il prend en charge une approche « un cerveau, plusieurs formes », s’adaptant à des corps de robots présentant différents degrés de liberté et configurations de capteurs, tout en gérant des tâches à long terme. Lors de démonstrations telles que l’art floral, la préparation de cocktails et le rangement d’un canapé, le robot peut effectuer plus de dix actions élémentaires en séquence, dans un processus fluide ne nécessitant aucune intervention humaine.

Les données montrent que plus la variété des tâches augmente, plus le taux de réussite d'apprentissage de MotuBrain tend à s'améliorer. Cela indique que le modèle a saisi les lois universelles sous-jacentes du monde physique, plutôt que de simplement mémoriser des modèles d'actions. Plus les tâches sont variées, meilleures sont ses performances.

Établir une présence dans le monde physique, poursuivre une double voie dans les domaines numérique et physique

La force démontrée par Shengshu Technology découle de ses solides fondements techniques. Grâce à l’architecture U-ViT, une première mondiale, l’entreprise a unifié la génération du monde numérique (VGM) et l’exécution dans le monde physique (WAM). D’une part, Vidu génère des mondes virtuels, tandis que de l’autre, MotuBrain pilote les interactions physiques. Cette stratégie à double voie lui confère un avantage significatif en termes de coûts d’acquisition de données et de vitesse d’itération des modèles.

À l'heure actuelle, Shengshu Technology a conclu des partenariats stratégiques avec plusieurs entreprises, notamment WuJie Dynamics et XingChen Intelligence. Alors que la concurrence dans le domaine de l'intelligence incarnée évolue, les développeurs de modèles dotés d'un « cerveau » polyvalent deviennent des acteurs clés qui redessinent le paysage du secteur.