lab
Premières notes Physical AI depuis la data
Qu’est-ce qu’un profil data doit apprendre en premier pour aborder Physical AI ?
Hypothèse: Les questions data (provenance, eval, coût, dérive) se transposent. Le vocabulaire (VLM, VLA, world models) vient avant ROS2.
Setup
Pas de robot, pas de simu publiée. Lecture et carte mentale. PhotoMind (photothèque, clustering, recherche) reste un projet perso privé.
Résultat
Carte utile :
- VLM — voir et décrire.
- VLA — voir → langage → action.
- ROS2 / simu / world models — pas commencés en public.
Les mêmes questions que sur un CSV s’appliquent : d’où vient le signal, comment on mesure l’erreur, ce que ça coûte.
Premier run public sur des pixels : lab Un baseline vision mesurable depuis la data (UCI digits 8×8, majority vs centroïde).
Échec / limite
Aucun run perception-action. ROS2, simulation et world models pas commencés ici. Le baseline digits n’est pas un VLM.
Suite
Changer de dataset ou de tâche avant d’empiler du vocabulaire robotics. Relier à l’explainer Physical AI vu depuis la data.