RéponsesPublié17 sources
ShengShu ouvre les coulisses de l’entraînement de Motubrain 2.0
ShengShu dit avoir commencé le 21 octobre 2026 une diffusion en direct de l’entraînement de Motubrain 2.0, prévue pour environ deux semaines. Le modèle vise à transférer des compétences entre tâches, environnements et types de robots ; la diffusion présente quatre axes de recherche.
Publié parModifié avec GPT-6 LunaImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- ShengShu dit avoir commencé le 21 octobre 2026 une diffusion en direct de l’entraînement de Motubrain 2.0, prévue pour environ deux semaines.
- Le modèle vise à transférer des compétences entre tâches, environnements et types de robots ; la diffusion présente quatre axes de recherche.
- L’open source est annoncé, sans date précise au 22 octobre. La diffusion ne suffit pas, à elle seule, à démontrer les capacités du modèle.
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What did ShengShu Technology announce as of October 22, 2026, about livestreaming Motubrain 2.0’s full training process starting October 21. Article summary: As of October 22, 2026, ShengShu Technology said its world-model team had begun publicly livestreaming Motubrain 2.0’s full training process on October 21, with the broadcast planned to last roughly half a month ahead of. Topic tags: general, general web, news, user generated. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts wi
ShengShu Technology a annoncé que son équipe dédiée aux modèles du monde avait commencé, le 21 octobre 2026, à diffuser en direct l’ensemble de l’entraînement de Motubrain 2.0. La diffusion doit durer environ deux semaines et montrer le travail de formation, de test et d’itération avant une mise en open source prévue. Au 22 octobre, aucune date précise de publication n’avait été annoncée.4
5
6
12
L’initiative donne à voir une partie du travail de recherche. Elle ne constitue pas, à elle seule, une vérification des capacités du modèle.
Un modèle conçu pour passer d’une tâche et d’un robot à l’autre
Motubrain est une famille de modèles d’IA incarnée, conçue par ShengShu pour doter les robots d’un « cerveau » généraliste. L’objectif affiché est de transférer des compétences entre différentes tâches, situations et plateformes robotiques.4
5 En avril 2026, l’entreprise a présenté Motubrain comme un « World Action Model » — un modèle d’action sur le monde — censé réunir dans un système unique des fonctions souvent réparties entre plusieurs modèles spécialisés.
17
Le projet s’inscrit dans la trajectoire que ShengShu revendique pour ses technologies. L’entreprise a lancé Vidu, son modèle de génération vidéo, en 2024 ; elle décrit une évolution de la création et de la modélisation de mondes visuels vers leur compréhension, puis vers l’action dans le monde physique.18 Il s’agit de la vision de l’entreprise, pas de la preuve qu’un modèle vidéo suffit à piloter un robot de façon fiable.
Quatre étapes de recherche, pas quatre résultats acquis
Les comptes rendus de la diffusion décrivent quatre volets de travail :5
6
- Préentraînement : observer comment l’échelle de l’entraînement influe sur les performances et la généralisation « zéro-shot », c’est-à-dire la capacité à accomplir une tâche sans entraînement spécifique à celle-ci.
- Post-entraînement : poursuivre l’entraînement sur des tâches précises afin d’améliorer leur exécution.
- Exécution de tâches par un agent : étudier si l’expérience acquise sur certaines tâches peut être réutilisée pour en accomplir d’autres.
- Amélioration récursive autonome (RSI) : explorer si le modèle peut s’appuyer sur les retours de ses actions pour les évaluer et les améliorer.
Ces étapes décrivent des questions de recherche, et non des capacités déjà démontrées. Le transfert entre tâches et l’amélioration récursive sont notamment présentés comme des pistes à examiner ; des expériences et évaluations ultérieures seront nécessaires pour établir ce que le modèle sait réellement faire.5
12
Ce que la diffusion donne à voir
Selon un compte rendu de la page officielle Live Lab, celle-ci affiche la perte d’entraînement, le nombre d’étapes et des courbes d’évaluation du modèle, ainsi que quatre flux caméra. Les tâches d’évaluation citées comprennent suspendre un casque, ranger un tiroir, saisir et remettre des objets, ou encore effacer un tableau blanc.12 Les sources disponibles ne donnent ni les valeurs numériques ni les protocoles détaillés associés à ces affichages : les courbes ne suffisent donc pas, à elles seules, à établir le niveau de performance du modèle.
L’équipe dit vouloir montrer les expériences, les tests, les échecs et les ajustements, plutôt que seulement des démonstrations réussies ou des résultats finaux.5 Si ces séquences et leurs conditions sont visibles, le public peut suivre l’évolution de la recherche et voir ce qui change après un échec. Mais la transparence dépend de ce que la diffusion documente effectivement et de la clarté des conditions d’évaluation. Un direct n’est pas automatiquement un compte rendu complet ni un audit indépendant.
Les quatre volets mettent aussi en lumière les questions à trancher : augmenter l’entraînement améliore-t-il les performances sur des tâches inédites ? Les comportements appris se transfèrent-ils entre tâches, environnements et corps robotiques ? Le modèle peut-il s’améliorer de manière fiable grâce aux retours, sans intervention humaine dissimulée ? L’annonce pose ces questions ; elle n’y répond pas encore.5
12
Un précédent dans la publication des entraînements d’IA
Des médias technologiques chinois rapprochent cette initiative des informations publiées auparavant par Luo Fuli, responsable de MiMo chez Xiaomi, sur les progrès de l’apprentissage par renforcement de MiMo-V2.6.4
5 La documentation de Xiaomi évoque elle aussi six jours d’entraînement en direct pour ce modèle.
1 Le rapprochement porte sur la mise en visibilité d’une partie de l’entraînement ; le projet annoncé par ShengShu concerne, lui, un modèle pour robots.
La publication du modèle sera le vrai test
Au 22 octobre, Motubrain 2.0 était présenté comme devant être bientôt mis en open source, sans date précise communiquée.6
12 Les vérifications importantes viendront ensuite : des poids du modèle et des ressources suffisantes seront-ils publiés ? Des équipes indépendantes pourront-elles reproduire les résultats ? Les évaluations, menées dans des conditions clairement décrites, correspondront-elles à ce que la diffusion a montré ?
Les informations disponibles à cette date relaient l’annonce de ShengShu ; elles ne démontrent pas que l’ensemble du direct ou ses affirmations ont fait l’objet d’une vérification indépendante. Rendre l’entraînement visible peut faciliter l’examen du travail. Mais la publication effective du modèle, la reproductibilité des évaluations et les tests indépendants permettront de mesurer ce que Motubrain 2.0 sait faire dans le monde réel.
Studio Global AI
Continuez vos recherches
Cette page comprend une réponse basée sur la source que vous pouvez continuer dans Studio Global.
Les gens demandent aussi
Quelle est la réponse courte à « ShengShu ouvre les coulisses de l’entraînement de Motubrain 2.0 » ?
ShengShu dit avoir commencé le 21 octobre 2026 une diffusion en direct de l’entraînement de Motubrain 2.0, prévue pour environ deux semaines.
Quels sont les points clés à valider en premier ?
ShengShu dit avoir commencé le 21 octobre 2026 une diffusion en direct de l’entraînement de Motubrain 2.0, prévue pour environ deux semaines. Le modèle vise à transférer des compétences entre tâches, environnements et types de robots ; la diffusion présente quatre axes de recherche.
Que dois-je faire ensuite en pratique ?
L’open source est annoncé, sans date précise au 22 octobre. La diffusion ne suffit pas, à elle seule, à démontrer les capacités du modèle.