ShengShu diffuse en direct deux semaines d'entraînement de Motubrain 2.0 avant sa publication en open source

ShengShu Technology, plus connue pour ses modèles de génération vidéo Vidu, diffuse en direct depuis le 21 octobre l'intégralité de l'entraînement de Motubrain 2.0, la prochaine version de son modèle d'IA embarquée pour robots. La retransmission doit durer environ deux semaines, et l'entreprise annonce une publication en open source prochaine, sans date précise. Motubrain est la famille de modèles de fondation robotique de ShengShu, conçue pour doter les robots d'un « cerveau » généraliste capable de transférer des compétences d'une tâche, d'une scène ou d'un corps robotique à l'autre. La première version avait été présentée en avril sous la forme d'un « world action model ». Le livestream est structuré en quatre étapes : le pré-entraînement, qui mesure l'effet de l'échelle d'entraînement sur la performance et la généralisation zero-shot ; le post-entraînement, ciblé sur des tâches précises pour améliorer l'exécution ; une phase « agent », qui teste le transfert des acquis vers d'autres tâches ; et enfin une exploration de l'auto-amélioration récursive, où le modèle évalue ses propres actions à partir du retour d'exécution pour les corriger. La page en ligne affiche les étapes d'entraînement et les taux de réussite en cours d'évaluation, mis à jour au fil de l'eau.

Pour les équipes de recherche comme pour les intégrateurs, l'intérêt est surtout méthodologique. Les progrès de l'IA embarquée sont aujourd'hui jugés à travers des démonstrations soignées, des tableaux de benchmarks et des articles, qui disent peu de la manière dont une capacité émerge pendant l'entraînement ni de ce qui échoue en route. ShengShu affirme vouloir montrer les échecs, les tâtonnements et les ajustements autant que les gains, et partager ses questions ouvertes sur le passage à l'échelle, la généralisation inter-tâches et l'amélioration autonome. Si cela se confirme, ce serait une pièce utile au débat sur l'écart entre démo et réalité. Les limites sont toutefois claires : un flux en direct ne prouve pas la performance. Les poids ne sont pas publiés, aucun chiffre de succès n'est fourni dans l'annonce, aucun déploiement industriel n'est mentionné, et l'entreprise reconnaît elle-même que la recherche reste exploratoire et que ses résultats devront être confirmés par des expériences et des évaluations ultérieures. La mise en scène choisit aussi ce qui est montré, et la métrique affichée reste celle que la société définit.

Cette initiative s'inscrit dans une tendance plus large de transparence chez des équipes d'IA chinoises. Luo Fuli, qui dirige les modèles MiMo de Xiaomi, avait ainsi détaillé auparavant la phase d'apprentissage par renforcement de MiMo-V2.6. ShengShu, qui a aussi lancé Motus2 après Motubrain, cherche à étendre sa légitimité du génie vidéo génératif vers la robotique, un terrain où s'affrontent déjà des modèles VLA comme Pi-0 de Physical Intelligence, GR00T de NVIDIA ou Helix de Figure. L'annonce, fournie par ShengShu et relayée par la presse tech chinoise, n'a pas été vérifiée de façon indépendante. Le vrai test viendra de la publication open source : il faudra voir si les benchmarks du modèle publié correspondent à ce que montre le flux, et si la communauté peut reproduire les résultats sur des robots réels, au-delà des environnements choisis par l'éditeur.