Groupe de Lecture BRISA 04 - LeWorldModel

Avant notre lancement officiel cet automne, nous poursuivons notre série de pré-lancement avec un autre groupe de lecture : nous asseoir avec un article, le comprendre correctement et se demander ce qu'il faudrait pour le construire nous-mêmes. Notre quatrième article est LeWorldModel : Architecture Prédictive de Joint-Embedding Stable de Bout en Bout à Partir d'Images (Maes et al., 2026), qui pose la question : À quel point un modèle de monde peut-il devenir simple tout en restant utile pour la planification ? Les modèles de monde apprennent à prédire comment un environnement peut changer sous différentes actions, ce qui rend possible la comparaison de futurs possibles avant d'agir. LeWorldModel, ou LeWM, adopte une approche relativement simple. Au lieu de prédire des images futures pixel par pixel, il apprend une représentation compacte de la scène et prédit comment cette représentation change lorsque différentes actions sont prises. Un des principaux défis avec ce type de modèle est d'empêcher ces représentations apprises de s'effondrer pendant l'entraînement. LeWM utilise SIGReg pour stabiliser ce processus, permettant à l'ensemble du modèle d'être entraîné directement à partir de pixels et d'actions sans s'appuyer sur un encodeur visuel pré-entraîné. Le modèle résultant dispose d'environ 15 millions de paramètres, peut être entraîné sur un seul GPU en quelques heures et utilise sa dynamique apprise pour planifier vers un objectif. Les auteurs rapportent une planification jusqu'à 48× plus rapide que DINO-WM, tout en restant compétitifs dans plusieurs des tâches de contrôle évaluées. Ce qui rend l'article particulièrement intéressant, c'est à quel point il semble nécessiter peu de machinerie. Cela soulève la possibilité que des modèles de monde relativement petits puissent déjà être suffisants pour apprendre des dynamiques utiles et soutenir une planification efficace. Lors du groupe de lecture, nous verrons pourquoi cette approche relativement simple fonctionne, ce que le modèle apprend réellement sur son environnement et où cette simplicité peut commencer à devenir une limitation. La question plus large est : Jusqu'où un modèle de monde latent compact comme celui-ci peut-il s'échelonner vers une manipulation robotique réelle ? Aucune préparation n'est nécessaire. Parcourez le résumé si vous avez dix minutes. Tout le monde est le bienvenu — peu importe ce que vous étudiez, où vous étudiez et combien de robotique vous avez fait jusqu'à présent. Venez avec des questions, des désaccords ou votre propre point de vue sur ce qu'un modèle de monde pour la robotique devrait réellement apprendre. 🎟️ Il n'y a qu'un nombre limité de places, afin que nous puissions garder la séance personnelle et interactive. Veuillez vous inscrire tôt et n'assister qu'après avoir reçu un billet. 📍 Accueilli au Merantix AI Campus. Les portes ouvrent à 18h30, nous commençons à 18h45. 👋 Nouveau ici ? Rejoignez le groupe communautaire — tout le reste y sera annoncé en premier.