Wujie Dongli publie le modèle du monde MWA-Phoenix et décroche six benchmarks

Le 22 octobre, l'entreprise chinoise Wujie Dongli (无界动力) a publié en open source MWA-Phoenix, un modèle du monde de base qui prédit la dynamique de l'environnement dans l'espace latent, et non en pixels. Selon ses développeurs, le modèle arrive en tête de six benchmarks : LIBERO-Plus, LIBERO-Pro, RoboCasa GR1, Bench2Dex, RoboTwin 2.0 et le classement réel RoboDojo. Ces six plateformes couvrent la simulation, les robots physiques et plusieurs types de tâches.

Six classements, six tests différents

Peu d'équipes revendiquent la première place sur un tel éventail de benchmarks. En général, elles optimisent leur modèle pour un ou deux tests et laissent les autres de côté. Ici, ce choix se lit comme une promesse d'universalité : chaque plateforme éprouve une couche différente du problème.

• LIBERO-Plus et LIBERO-Pro : robustesse aux perturbations de l'environnement et transfert vers des formulations et des conditions de tâches modifiées.
• RoboCasa GR1 : scénarios domestiques dans des cuisines simulées, avec une plateforme humanoïde.
• Bench2Dex : manipulation complexe d'objets, où la dextérité de la préhension compte.
• RoboTwin 2.0 : tâches à deux bras avec randomisation de domaine.
• RoboDojo : banc d'essai avec des robots réels, où les astuces propres aux simulateurs n'aident pas.

Dans la description de la publication, Wujie Dongli met en avant quatre axes : la fiabilité face aux perturbations, la généralisation après un changement de tâche, la gestion d'objets complexes et le transfert entre différents corps de robots. Ce sont les points où les politiques de manipulation échouent le plus souvent. Un robot entraîné avec une seule caméra et un seul éclairage se perd souvent dès que l'image se décale. Un modèle appris sur un bras ne sait pas en piloter un autre.

Pourquoi l'espace latent convient aux robots

Les modèles du monde pour la robotique se divisent en deux camps. Les premiers génèrent les images futures, ce qui est coûteux et bruité : la majorité des pixels ne sert pas à décider où déplacer le manipulateur. Les seconds prédisent l'évolution d'une représentation compressée de la scène et travaillent à partir d'elle.

MWA-Phoenix appartient au second camp. La représentation latente écarte le fond, les textures et les reflets, et conserve la géométrie, la position des objets et leurs relations. Une telle scène dépend moins des changements d'éclairage ou de caméra, et la politique d'action reçoit une entrée compacte.

En théorie, cela offre à la fois une inférence plus rapide et une voie plus directe vers le transfert entre robots, puisque la connaissance générale de la physique est séparée de la cinématique propre à chaque machine.

C'est précisément cet argument que l'entreprise met en vitrine. Si le modèle de base sépare réellement la compréhension de la scène du corps du robot, l'adaptation à une nouvelle plateforme se résume à un fin réglage (fine-tuning), sans repartir d'un jeu de données constitué de zéro.

Le code ouvert comme moyen de vérifier les affirmations

Les classements aiment embellir le tableau : les configurations sont choisies avec soin, les protocoles d'exécution diffèrent et les places publiques ne sont parfois tenues que pendant quelques semaines. Une publication ouverte a un intérêt : l'affirmation peut être revérifiée. N'importe quel laboratoire peut lancer le modèle sur son propre banc et regarder si le résultat tient en dehors des benchmarks d'origine.

Par ailleurs, Wujie Dongli arrive sur un marché où les modèles de base pour robots deviennent une infrastructure. L'IA physique s'est déjà imposée comme un domaine à part entière, et les équipes chinoises misent sur l'ouverture pour réunir plus vite une communauté et des données autour de leur modèle.

Pour ceux qui construisent des robots ou étudient ce domaine, la liste de vérifications est concrète. Il convient d'abord de reproduire les résultats sur LIBERO-Plus et RoboTwin 2.0 dans sa propre infrastructure : c'est un test peu coûteux de l'honnêteté des chiffres.

Il faut ensuite exécuter le modèle sur sa propre plateforme avec un fine-tuning minimal et vérifier le transfert annoncé entre corps de robots. Enfin, mieux vaut lire la licence et la composition des artefacts ouverts : les poids, le code d'entraînement et les données ne sont pas toujours publiés ensemble. Si le transfert entre robots se confirme, les équipes sans grand parc de machines disposeront d'une base prête à l'emploi, au lieu de plusieurs mois de collecte de démonstrations.