Toutes les news taguées avec ce sujet.
Une nouvelle méthode de world model améliore fortement la planification robotique en distinguant mieux les actions candidates plutôt que la seule prédiction factuelle.
Runway détaille WorldPrompt, un format d'entrée pour piloter des simulations vidéo/audio générées en temps réel par son modèle GWM Worlds 2.
Les flux latents gelés perdent la capacité de modéliser le mouvement. La méthode DART restaure cette dynamique en réentraînant le flux via un signal décodé, surpassant l'approche latent-only.
Un nouveau benchmark isole la réutilisation de connaissances dans l'apprentissage continu des modèles du monde, révélant les limites des méthodes actuelles face à l'oubli catastrophique.
Un mouvement physiquement correct peut rester présent dans un modèle vidéo même s'il génère une animation fausse — et être réactivé par une simple intervention.
Un thread relève une croissance rapide de la taille des paramètres des world models publiés en open-weights, au rythme d'un doublement semestriel.
Une extension du JEPA améliore la généralisation zéro-shot en physique via l'action-conditioning.
Danijar Hafner mise sur les world models et le reinforcement learning pour permettre à des robots humanoïdes de s'adapter à des environnements inconnus.
Un nouvel objectif d'entraînement aligne la prédiction d'états web sur le besoin réel des rankers d'actions, avec des gains mesurables sur plusieurs benchmarks.