RéponsesPublié18 sources
Intern W0 : quand les robots de laboratoire apprennent à sentir, prévoir et corriger
Shanghai AI Laboratory a présenté Intern Physical World Model W0 les 13 et 14 septembre 2026 comme un système robotique destiné aux manipulations riches en contacts, combinant vision, force, toucher, état du robot, pr... Son approche « force tactile native » intègre les retours de contact aux décisions de manipulati...
Publié parModifié avec GPT-5.6 TerraImages générées avec GPT Image 2
Réponse de recherche
Points clés à retenir
- Shanghai AI Laboratory a présenté Intern Physical World Model W0 les 13 et 14 septembre 2026 comme un système robotique destiné aux manipulations riches en contacts, combinant vision, force, toucher, état du robot, pr...
- Son approche « force tactile native » intègre les retours de contact aux décisions de manipulation ; son architecture asynchrone à fréquences différentes sépare la prédiction à plus long terme des ajustements moteurs...
- W0 relève de la robotique du monde physique, à l’inverse de NCP ArchPreview, un modèle de langage qui prédit à la fois les tokens suivants et des concepts latents couvrant plusieurs tokens.
Prompt IA
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Shanghai Artificial Intelligence Laboratory’s Intern physical world model W0, when was it released, how does its native force-tactil. Article summary: Intern Physical World Model W0 is Shanghai AI Laboratory’s reported embodied-AI model for contact-rich robot manipulation. It was announced around September 13–14, 2026; public technical evidence currently appears to be . Topic tags: general, government, academic, education, general web. 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, watermark
Shanghai AI Laboratory a présenté Intern Physical World Model W0 comme un système d’IA incarnée conçu pour faire passer des instructions et plans numériques à des manipulations physiques riches en contacts. Les annonces relayées les 13 et 14 septembre 2026 décrivent un modèle qui associe vision, force, toucher et état du robot afin de percevoir, prédire, agir puis corriger ses gestes pendant une tâche. 32
35
Le problème que W0 cherche à résoudre
Dans un laboratoire, la difficulté n’est pas toujours de « voir » un objet. L’information décisive peut être physique : une résistance imprévue, une pince qui glisse, le contact d’un outil avec une surface ou le comportement différent d’un matériau.
W0 est présenté comme une pile de modélisation du monde et de contrôle de l’action réunissant :
- la vision, pour observer les objets, les outils et l’espace de travail ;
- les signaux de force et de toucher, pour détecter le contact et la résistance ;
- l’état corporel du robot — par exemple sa position ou son état de mouvement — pour guider la manipulation ;
- la prédiction de l’état à venir ;
- l’action et la correction à partir des nouveaux retours multimodaux.
32
35
L’objectif est de remplacer l’exécution rigide d’un plan visuel par une boucle de contrôle capable d’adapter le geste lorsque les conditions de contact évoluent. Cette capacité est particulièrement pertinente pour les manipulations délicates, l’insertion d’éléments, les mélanges ou la manipulation de récipients.
Que signifie « force-tactile native » ?
Dans la communication de lancement, Shanghai AI Lab décrit W0 comme doté d’une perception force-tactile native. Concrètement, les informations de force et de toucher participent directement à la décision opérationnelle, au même titre que la vision et l’état du robot ; elles ne servent pas uniquement d’alarme de sécurité ajoutée après la planification. 35
Un robot pourrait ainsi réagir à une résistance inattendue, à un changement de force de contact ou à une prise qui commence à glisser, même lorsque l’image seule ne permet pas de l’inférer clairement. Cette orientation s’inscrit dans une ligne de recherche plus large : les modèles monde-action tactiles cherchent à modéliser conjointement les conséquences visuelles et les conséquences de contact dans les tâches de manipulation. 33
Une réserve importante demeure : les informations publiques ne s’accompagnent pas d’un article technique complet sur W0, d’un jeu de données ni d’un protocole de benchmark reproductible. L’expression « native » décrit donc l’architecture et les capacités annoncées, pas encore une implémentation pleinement vérifiable par des tiers.
Une collaboration « duplex » à deux rythmes
L’autre caractéristique mise en avant est la collaboration duplex, fondée sur une architecture asynchrone fonctionnant à des fréquences différentes. 35
L’idée est que deux processus peuvent avancer en parallèle :
- une voie de prédiction conserve ou réévalue une anticipation sur la tâche et son état physique à court terme ;
- une voie de contrôle réactif intègre les nouvelles données des capteurs et modifie les commandes motrices sans attendre la fin d’un cycle de planification plus lent.
Cette séparation est utile en robotique de contact : la planification bénéficie d’un horizon plus long, tandis que le contrôle d’un contact exige parfois une réponse très rapide. Faire fonctionner les deux à des échelles de temps distinctes peut réduire le délai entre une modification de l’environnement et le geste correctif. 35
W0 n’est pas NCP-ArchPreview
Le terme de « collaboration » peut prêter à confusion, car Shanghai AI Lab est également associé à NCP-ArchPreview, développé avec le LUMIA Lab de l’Université Jiao Tong de Shanghai. Les deux systèmes répondent à des problèmes très différents.
| Système | Domaine principal | Ce qu’il combine | Résultat produit |
|---|---|---|---|
| Intern W0 | Robotique physique | Vision, force, toucher, état du robot, prédiction et contrôle | Actions physiques et prédictions d’état actualisées |
| NCP-ArchPreview | Modélisation du langage | Prédiction du token suivant et Next Concept Prediction | Génération de texte via une interface standard de prédiction du token suivant |
NCP-ArchPreview apprend une représentation latente discrète de « concepts » couvrant plusieurs tokens, en plus de la prédiction conventionnelle du token suivant. Ces concepts guident un décodeur de tokens, mais le modèle conserve l’interface habituelle de génération des modèles de langage. 19
22
Autrement dit, W0 organise l’interaction sensorimotrice avec le monde physique ; NCP-ArchPreview organise et prédit des représentations linguistiques dans un espace latent. Les éléments disponibles n’établissent pas que NCP-ArchPreview pilote W0 ni qu’il en constitue un composant central.
Le lien avec Intern InkStone et Intern-S2
Selon les informations de lancement, W0 est relié à la plateforme de découverte scientifique Intern InkStone et fonctionne avec le modèle scientifique Intern-S2. 32 Intern-S2 est lui-même présenté comme une série de modèles fondamentaux agentiques dédiés à la compréhension, au raisonnement et à la génération scientifiques multimodales, ainsi qu’aux tâches de longue durée.
12
La répartition annoncée dessine une boucle de laboratoire :
- un système scientifique formule des hypothèses, des procédures ou des choix expérimentaux ;
- le matériel de laboratoire guidé par W0 exécute les étapes physiques et observe leur déroulement ;
- les résultats alimentent l’itération suivante, au lieu de conclure à une procédure automatisée unique.
L’enjeu est concret : dans la recherche autonome, concevoir une procédure n’est qu’une partie du problème. Il faut encore l’exécuter de façon fiable sur de vrais instruments, avec de vrais matériaux et des retours du monde réel.
Les applications de laboratoire revendiquées
La couverture du lancement attribue au trio W0, InkStone et Intern-S2 plusieurs usages en boucle fermée :
- l’évolution dirigée de protéines d’édition génétique ;
- une synthèse organique en plusieurs étapes de mépivacaïne ;
- la préparation de nanoparticules lipidiques, avec ajustement dynamique de paramètres de procédé pendant la préparation.
Ces domaines constituent des cibles crédibles pour une automatisation adaptative. La fabrication de nanoparticules lipidiques, par exemple, dépend des conditions de formulation et de procédé ; ces nanoparticules sont largement utilisées comme vecteurs de charges d’acides nucléiques. 1
9
Mais les démonstrations attribuées à W0 restent, à ce stade, rapportées par son développeur : les informations disponibles ne fournissent ni protocoles détaillés, ni taux d’erreur, ni jeux de données, ni comparaisons entre laboratoires, ni réplications indépendantes.
Pourquoi W0 pourrait compter — et ce qui reste à démontrer
Le potentiel de W0 tient à son rôle possible de couche d’automatisation entre le raisonnement scientifique assisté par IA et l’exécution expérimentale. S’il s’avérait fiable sur différents instruments et dans différents laboratoires, un tel système pourrait réduire la rupture entre une expérience planifiée et les manipulations nécessaires pour la réaliser. Les cycles de conception, fabrication, test et apprentissage pourraient alors devenir plus adaptatifs en chimie, biologie et science des matériaux. 32
La principale inconnue est la généralisation. Les manipulations riches en contacts sont sensibles à l’étalonnage, à la dérive des capteurs, aux variations de verrerie et de consommables, aux différences entre matériaux, aux contraintes de contamination et aux défaillances rares mais potentiellement lourdes de conséquences.
Les éléments publics ne permettent pas encore d’établir la fiabilité de W0 d’un laboratoire à l’autre, d’un instrument à l’autre, sur des protocoles longs ou auprès d’utilisateurs indépendants. Pour l’instant, il faut donc le considérer comme un exemple précoce et ambitieux d’IA physique au service de la science, avec des usages de laboratoire annoncés mais une validation externe encore à construire.
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 « Intern W0 : quand les robots de laboratoire apprennent à sentir, prévoir et corriger » ?
Shanghai AI Laboratory a présenté Intern Physical World Model W0 les 13 et 14 septembre 2026 comme un système robotique destiné aux manipulations riches en contacts, combinant vision, force, toucher, état du robot, pr...
Quels sont les points clés à valider en premier ?
Shanghai AI Laboratory a présenté Intern Physical World Model W0 les 13 et 14 septembre 2026 comme un système robotique destiné aux manipulations riches en contacts, combinant vision, force, toucher, état du robot, pr... Son approche « force tactile native » intègre les retours de contact aux décisions de manipulation ; son architecture asynchrone à fréquences différentes sépare la prédiction à plus long terme des ajustements moteurs...
Que dois-je faire ensuite en pratique ?
W0 relève de la robotique du monde physique, à l’inverse de NCP ArchPreview, un modèle de langage qui prédit à la fois les tokens suivants et des concepts latents couvrant plusieurs tokens.
Sources
arxiv.org𝒩_0-TWAM: Scaling Tactile-Native World Action Model for ...
huggingface.coArchSpace-Collection/NCP_ArchPreview_dolma3_8.9B_Stage2_v1 · Hugging Face
hyper.aiNCP-ArchPreview Technical Report: Moving towards ...