Transcript · English → French
English → French transcript
découvrir de nouveaux matériaux même,
nous avons vu maintenant que Gemini est intégré dans des robots humanoïdes.
Est- ce le moment AlphaFold pour le monde physique
et l’IA ici?
Qu’est- ce que c’est et à quoi ça ressemble?
Oui, j’ai passé une bonne partie de l’année dernière à vraiment étudier de très
près la robotique. Je pense que nous sommes à l’aube d’un euh…
d’une sorte de moment de percée dans l’intelligence physique.
Je pense toujours qu’il nous reste environ dix- huit mois,
deux ans avant de pouvoir faire…
nous devons faire plus de recherche, mais euh…
Je pense que les modèles de base comme Gemini montrent la voie à suivre.
Je veux dire, dès le début nous avons fait de Gemini un modèle multimodal pour
qu’il puisse comprendre le monde physique… pour de multiples raisons.
L’une d’elles était pour que nous puissions construire un assistant universel peut-
être qui existe sur
vos lunettes ou votre téléphone et qui comprend le monde autour de vous.
Mais bien sûr,
un deuxième usage de ça serait pour la robotique. Alors, à quoi...
à quoi ressemble ce moment pour le monde physique?
Je pense que c’est... c’est d’avoir des robots, euh,
vous savez, qui fassent de manière fiable
des tâches utiles, euh, dans le monde réel.
Et je pense qu’il y a encore quelques choses qui freinent cela.
En partie, c’est que les algorithmes ne sont pas encore tout à fait au point.
Ils... ils ont besoin d’un peu plus de robustesse.
Euh, ils doivent fonctionner avec moins de données, euh,
que ce que vous avez pour les LLM ou les modèles qui ne travaillent que dans le
domaine numérique.
Vous pouvez en quelque sorte créer des données synthétiques.
C’est beaucoup plus difficile de fabriquer ce genre de données. Et il reste encore,
en quelque sorte, des problèmes matériels qui ne sont pas résolus,
en particulier des choses comme le bras et la main. En fait,
quand on étudie la robotique de très près, on développe une nouvelle appréciation……
en tout cas, moi, c’est ce qui m’est arrivé, pour la main humaine et à quel point,
euh, l’évolution l’a conçue de manière exquise. C’est incroyable.
Et c’est très difficile d’égaler la fiabilité, la force, euh, et la dextérité
de la main humaine.
Donc il reste encore pas mal de, je… à mon avis, pièces à assembler.
Euh, mais il y a des choses très excitantes. Je veux dire,
nous venons d’annoncer une nouvelle collaboration approfondie avec Boston Dynamics.
Ils ont des robots très impressionnants et Hyundai,
et le fait de l’appliquer concrètement à la fabrication automobile.
Et nous verrons au cours de l’année qui vient comment cela se passe sous forme de
prototypes, puis peut- être que dans un an ou deux… … nous aurons
des démonstrations vraiment impressionnantes que nous pourrons mettre à l’échelle.
End of transcript · 471 words · machine translated
Original transcript (English)
dis- discovering new materials even, we've seen now Gemini being and AI here? What is that and what does that look like? Yeah, I spent a lot of the last year actually looking very carefully into robotics. I do think we're on the cusp of uh...
a kind of breakthrough moment in physical intelligence. I still think we're about 18 months, two years away from doing... we need to do more research, but um... we need to do more research, but um... I think the foundation models like Gemini show the way forward.
I mean, from the beginning we made Gemini multimodal so it could understand the physical world... ...for multiple reasons. One was so we could build a universal assistant maybe that exists on your glasses or your phone that understands the world around you. that exists on your glasses or your phone that understands the world around you.
But of course, a second use of that would be for robotics. So, what does the... But of course, a second use of that would be for robotics. So, what does the... that moment for the physical world look like? I think it's... it's having robots, uh, you know, reliably do useful tasks, um, out in the world.
And I think there's a few things holding that back still. Part of it is the algorithms are still not quite there. They... they need a little bit more robustness. Um, they have to work with than you get for the LLMs or the models that work on just digital realm. You can sort of create synthetic data.
You can sort of create synthetic data. It's a lot harder to make that kind of data. And there's still sort of some problems in the hardware that are not solved, specifically things like the arm and the hand. Actually, when you look into robotics very carefully,
you get a new found appreciation... ...at least I did, And it's very hard to match the reliability, the strength, um, and the dexterity that the human hand has. So there's still quite a lot, I... Um, but there's very exciting things.
I mean, we just announced a new deep collaboration with Boston Dynamics. They've got some very exciting robots and Hyundai and actually applying it to And we'll see over the next year how that goes in sort of prototype form, and then maybe in a year or two... ...we'll have some really impressive demonstrations that we can scale up.
