UniWAM, d'欧拉万象 et de HKUST(GZ), réunit compréhension du monde, prédiction et actions du robot

欧拉万象 et l'Université des sciences et technologies de Hong Kong (Guangzhou, HKUST(GZ)) ont publié une version ouverte d'UniWAM, un modèle pour l'IA incarnée. Ce système unique traite trois tâches : il comprend ce qui se passe dans la scène, prédit son état futur et génère des actions pour le robot. Le code et les poids sont publiés intégralement. Le pari de recherche principal des auteurs : la scaling law du co-entraînement sur des données humaines et robotiques (Human-Robot Co-training).

L'annonce est passée par le média chinois Jiqizhixin et contient peu de détails techniques. Voici ce qui est confirmé, et ce qu'il faudra vérifier dans le dépôt et dans l'article.

Ce que l'on sait d'UniWAM

UniWAM prolonge la gamme Ola-Sem. Les mêmes équipes avaient déjà publié ce modèle, qui, selon elles, s'est classé en bonne position sur les principaux benchmarks mondiaux. La partie accessible de l'annonce ne précise ni les métriques ni les scores concernés.

Le nom renvoie à la classe des World Action Models. Dans le schéma classique, un modèle VLA reçoit une image et une instruction, puis produit directement une action. Un modèle du monde, à l'inverse, apprend à prédire comment la scène va évoluer. UniWAM tente de tout ramener à un entraînement unifié : une représentation commune du monde sert à la fois à la compréhension, à la prédiction et au contrôle. Il s'agit de notre interprétation du nom et de la description, pas d'une citation de la documentation.

Les faits clés de l'annonce :

• Tâches : compréhension du monde, prédiction du futur et génération d'actions dans un seul modèle.
• Données : entraînement conjoint sur des matériaux issus d'humains et de robots.
• Question de recherche : comment la qualité évolue lorsque le volume et la part de données humaines augmentent.
• Ouverture : le code et les poids sont publiés, pas seulement l'article.
• Origine : successeur d'Ola-Sem, travail conjoint d'une entreprise et d'une université.
• Non précisé dans l'annonce : taille du modèle, architecture, benchmarks d'UniWAM, licence.

Pourquoi la scaling law des données humaines compte

Le principal problème de l'IA incarnée, c'est le manque de données. Les démonstrations avec un vrai robot coûtent cher à collecter : il faut du matériel, des opérateurs, du temps. Les vidéos d'humains qui saisissent, déplacent ou assemblent des objets existent en bien plus grand nombre. Mais l'humain a une autre « main », une autre cinématique, un autre point de vue de caméra. On ignore donc quelle est l'utilité réelle de ces données et dans quelle proportion il faut les mélanger aux données robotiques.

Si ce mélange suit une loi de puissance reproductible, comme pour les modèles de langage, cela change la planification. Une équipe peut estimer combien d'heures d'enregistrements humains équivalent à une heure de téléopération coûteuse. Elle peut repérer le point où le gain apporté par des données supplémentaires s'arrête. Et elle peut décider où investir son budget : dans la collecte de données ou dans un modèle plus gros.

Pour l'instant, les auteurs annoncent seulement l'étude de cette tendance. Le fragment accessible ne contient ni courbes précises, ni coefficients, ni comparaison avec des jeux de données robotiques. Ce sont ces chiffres qui diront si ce travail est un guide pratique ou seulement une démonstration soignée.

Ce qu'il faut vérifier avant de l'utiliser

Des poids ouverts pour l'IA incarnée restent rares en soi, et les laboratoires chinois en publient de plus en plus. Mais entre la publication et l'usage sur votre robot, plusieurs questions se posent.

1. Licence. L'usage commercial est-il autorisé ?

Peut-on affiner le modèle et distribuer des modèles dérivés ? 2. **Matériel.

** Quelle plateforme a servi à l'entraînement et à l'inférence, quelle mémoire faut-il, et quelle latence pour la génération d'actions ? Pour un contrôle en temps réel, c'est critique. 3.

Type de robot. Le fonctionnement est-il démontré sur plusieurs morphologies ou sur une seule ? De cela dépend la transférabilité du résultat.

4. Benchmarks. UniWAM a-t-il été comparé à des VLA et à des modèles du monde distincts sur les mêmes tâches, et pas seulement à ses propres versions précédentes ?

5. Reproductibilité. Les données sont-elles publiées, ou au moins la recette de leur mélange ?

Sans cela, la scaling law restera une affirmation invérifiable.

Chercheurs et ingénieurs devraient commencer par le dépôt et l'article : repérer les graphiques reliant la qualité à la part de données humaines, puis regarder sur quelles tâches l'effet se maintient. Si les courbes sont réellement stables, l'approche peut être testée sur vos propres données. Sinon, UniWAM n'en reste pas moins une base ouverte utile pour expérimenter l'entraînement unifié de la compréhension, de la prédiction et des actions.