Je pense qu'une partie de la responsabilité revient à la culture des startups de la Silicon Valley / SF, qui récompense le développement de wrappers AI et le perfectionnement des modèles AI existants. En conjonction avec le mantra "construire rapidement, casser des choses", qui décourage "de prendre le temps d'apprendre des choses / d'apprendre les fondamentaux". En essence, il y a beaucoup de pression culturelle sur les jeunes chercheurs et entrepreneurs (vivant sur la côte ouest) pour livrer quelque chose immédiatement et rester au sommet des tendances afin de se démarquer parmi leurs pairs, ou d'avoir une startup qui soit financée. Cela signifie que la plupart des individus n'ont jamais l'occasion d'apprendre ou d'explorer les fondamentaux, et se contentent de s'appuyer sur des recherches ou des produits existants. Dans le contexte des Modèles Mondiaux, il s'agit simplement de pouvoir exécuter des recherches / modèles liés aux splats gaussiens au lieu de comprendre fondamentalement comment fonctionne la vision 3D ou même les graphiques informatiques. Dans le contexte de l'AI incarnée, je crois que c'est encore pire. Pour élaborer, il est beaucoup plus facile de faire tourner un modèle VLA existant et de peaufiner un bras robotique pour ramasser une tasse, que de passer quelques jours par exemple à comprendre les contraintes de la planification de mouvement classique, de la préhension, de la manipulation, de la cinématique inverse, etc. Et je dis que "c'est pire" parce qu'en AI incarnée, vous ne traitez pas seulement avec des logiciels mais aussi avec un système physique, et maîtriser le développement ou l'optimisation d'un système matériel / logiciel est une autre bête.