AnswersPublished17 sources
Un robot che impara in diretta: ShengShu apre il training di Motubrain 2.0
La diretta è iniziata il 21 ottobre 2026 e dovrebbe durare circa due settimane; Motubrain 2.0 è atteso in open source, ma non è stata comunicata una data precisa.[4][5][6][12] Il programma esplora pre addestramento, affinamento, trasferimento di competenze tra compiti e miglioramento basato sui feedback: sono obiett...
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer
Key takeaways
- La diretta è iniziata il 21 ottobre 2026 e dovrebbe durare circa due settimane; Motubrain 2.0 è atteso in open source, ma non è stata comunicata una data precisa.[4][5][6][12]
- Il programma esplora pre addestramento, affinamento, trasferimento di competenze tra compiti e miglioramento basato sui feedback: sono obiettivi di ricerca, non risultati già dimostrati.[5][12]
- Live Lab mostra perdita di addestramento, passi di training, curve di valutazione e riprese da quattro telecamere, ma i dati disponibili non bastano a ricostruire da soli protocolli e prestazioni.[12]
AI Prompt
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 ha annunciato il 21 ottobre 2026 l’avvio di una diretta dedicata all’intero processo di addestramento di Motubrain 2.0. Il team prevede di trasmettere per circa metà mese, mostrando training, test e successive iterazioni del modello in vista di un rilascio open source. Al 22 ottobre non era stata indicata una data precisa per la pubblicazione.4
5
6
12
La diretta offre una finestra sul lavoro di ricerca, ma non equivale a una verifica indipendente delle capacità del sistema. Per capire che cosa dimostri davvero, conta anche distinguere le domande che il team intende studiare dai risultati già convalidati.
Un modello per robot, dalla famiglia Motubrain
Motubrain è la linea di modelli embodied di ShengShu: l’obiettivo dichiarato è costruire un “cervello” robotico di uso generale, capace di trasferire competenze fra compiti, ambienti e diversi tipi di robot.4
5 La società ha presentato Motubrain nell’aprile 2026 come un “World Action Model”, cioè un modello unificato pensato come alternativa a sistemi separati per singole attività robotiche.
17
Il progetto si inserisce nel percorso che ShengShu racconta a partire da Vidu, il suo modello di generazione video lanciato nel 2024. Nella ricostruzione dell’azienda, la traiettoria va dalla generazione e modellazione di mondi visivi alla comprensione dell’ambiente e, infine, all’azione fisica.18 È la visione dichiarata da ShengShu: non dimostra, di per sé, che saper generare video si traduca in un controllo robotico affidabile.
Le quattro fasi mostrate in diretta
Secondo le informazioni diffuse, il percorso di addestramento comprende quattro fasi:5
6
- Pre-addestramento: osservare come la scala del training influisce sulle prestazioni e sulla generalizzazione zero-shot, cioè la capacità di affrontare compiti senza un addestramento specifico per ciascuno.
- Post-addestramento: affinare il modello su attività particolari per migliorarne l’esecuzione.
- Esecuzione di compiti da agente: verificare se l’esperienza acquisita su un’attività può essere trasferita ad altre.
- Miglioramento ricorsivo (RSI): esplorare se il modello può usare i feedback delle proprie azioni per valutarle e correggerle.
Sono linee di indagine, non capacità già accertate. In particolare, trasferimento e RSI vengono presentati come aspetti da esplorare: serviranno ulteriori esperimenti e valutazioni per stabilire fin dove arrivino davvero le prestazioni del modello.5
12
Che cosa si vede, e che cosa non basta a dimostrare
Secondo un resoconto della pagina ufficiale Live Lab, l’interfaccia mostra la perdita di addestramento, i passi di training e le curve di valutazione del modello, oltre a quattro flussi video. Tra i compiti indicati per le valutazioni figurano appendere cuffie, riordinare un cassetto, raccogliere e passare oggetti e pulire una lavagna.12
Le fonti disponibili non riportano i valori numerici né i protocolli di valutazione associati a quelle schermate. Perciò le curve, da sole, non costituiscono un quadro completo delle prestazioni e non vanno confuse con risultati verificati in modo indipendente.
ShengShu ha dichiarato che la diretta avrebbe mostrato esperimenti, test, fallimenti e correzioni, non soltanto dimostrazioni riuscite o risultati finali.5 Rendere visibili tentativi e aggiustamenti può offrire più contesto di un video promozionale o di una tabella con il solo risultato finale. La trasparenza, però, dipende da quanto il flusso documenta davvero e da quanto sono spiegate le condizioni delle prove: una diretta non è automaticamente una verifica completa o sottoposta ad audit indipendente.
Le quattro fasi mettono sul tavolo alcune domande cruciali: aumentare la scala del training aiuta davvero con compiti mai visti? Le competenze si trasferiscono tra ambienti e corpi robotici diversi? Il sistema riesce a migliorare sulla base dei feedback senza interventi umani non dichiarati? L’annuncio apre questi interrogativi, ma non offre ancora risposte definitive.5
12
Un parallelo con le dirette di Xiaomi MiMo
La stampa tecnologica cinese ha accostato l’iniziativa agli aggiornamenti pubblici di Luo Fuli, responsabile di Xiaomi MiMo, sui progressi della fase di reinforcement learning di MiMo-V2.6.4
5 Anche la documentazione di Xiaomi parla di sei giorni di addestramento RL trasmessi in diretta.
1 Il parallelismo riguarda la scelta di rendere visibile una parte del training; nel caso di ShengShu, l’ambito dichiarato è un modello embodied per robot.
La prova decisiva sarà il rilascio
Al 22 ottobre, Motubrain 2.0 era descritto come prossimo all’open source, ma senza una data di pubblicazione annunciata.6
12 Dopo la diretta, le verifiche più concrete saranno la disponibilità di pesi utilizzabili e materiali di supporto, la possibilità per ricercatori esterni di riprodurre i risultati e la coerenza tra le valutazioni del modello rilasciato e ciò che è stato mostrato durante il training.
Le notizie disponibili riportano l’annuncio di ShengShu; non certificano in modo indipendente l’intera diretta o le affermazioni sul modello. Mostrare pubblicamente il processo può rendere la ricerca più osservabile. Saranno però il rilascio, le valutazioni riproducibili e i test indipendenti a chiarire quanto Motubrain 2.0 sappia fare nel mondo reale.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Un robot che impara in diretta: ShengShu apre il training di Motubrain 2.0"?
La diretta è iniziata il 21 ottobre 2026 e dovrebbe durare circa due settimane; Motubrain 2.0 è atteso in open source, ma non è stata comunicata una data precisa.[4][5][6][12]
What are the key points to validate first?
La diretta è iniziata il 21 ottobre 2026 e dovrebbe durare circa due settimane; Motubrain 2.0 è atteso in open source, ma non è stata comunicata una data precisa.[4][5][6][12] Il programma esplora pre addestramento, affinamento, trasferimento di competenze tra compiti e miglioramento basato sui feedback: sono obiettivi di ricerca, non risultati già dimostrati.[5][12]
What should I do next in practice?
Live Lab mostra perdita di addestramento, passi di training, curve di valutazione e riprese da quattro telecamere, ma i dati disponibili non bastano a ricostruire da soli protocolli e prestazioni.[12]