Penso che parte della colpa sia della cultura delle startup della Silicon Valley / SF, che premia lo sviluppo di wrapper AI e il fine-tuning dei modelli AI esistenti. Insieme al mantra "costruisci in fretta, rompi le cose", che scoraggia "prendere tempo per imparare / apprendere le basi". In sostanza, c'è molta pressione culturale sui giovani ricercatori e imprenditori (che vivono sulla costa occidentale) per consegnare qualcosa immediatamente e rimanere al passo con le tendenze per distinguersi tra i loro coetanei, o avere una startup che sia finanziabile. Significa che la maggior parte degli individui non ha mai l'opportunità di apprendere o esplorare le basi, e semplicemente costruisce su ricerche o prodotti esistenti. Nel contesto dei Modelli del Mondo, si tratta semplicemente di essere in grado di eseguire ricerche / modelli relativi agli splat gaussiani invece di comprendere fondamentalmente come funziona la visione 3D o anche la grafica computerizzata. Nel contesto dell'AI incarnata, credo che sia ancora peggio. Per elaborare, è molto più facile avviare un modello VLA esistente e fare fine-tuning di un braccio robotico per sollevare una tazza, piuttosto che trascorrere alcuni giorni, ad esempio, a comprendere i vincoli della pianificazione del movimento classica, della presa, della manipolazione, della cinematica inversa, ecc. E dico che "è peggio" perché nell'AI incarnata non stai solo trattando con il software ma anche con un sistema fisico, e padroneggiare lo sviluppo o l'ottimizzazione di un sistema hardware / software è un'altra bestia.