Orca : le modèle d'IA chinois qui révolutionne la robotique
Orca, développé par BAAI, utilise deux méthodes d'apprentissage pour construire une représentation interne du monde, permettant de générer texte, images et actions robotiques. Il surpasse plusieurs modèles de référence avec un score moyen de 51,8% sur des benchmarks.
« Orca-4B posts the best overall average of 51.8 percent across MVBench, TemporalBench, 3DSRBench, and SWITCH among the compared small VLMs and larger world models. » — The Decoder
Que faut-il retenir ?
- Orca combine apprentissage non supervisé (vidéos non étiquetées) et supervisé (instructions verbales).
- Le modèle utilise 125 000 heures de vidéos, 160 millions de descriptions d'événements et 11,5 millions de paires question-réponse.
- Orca-4B obtient un score moyen de 51,8% sur quatre benchmarks, surpassant des modèles comme Qwen3.5-4B et Gemma 4-4B.
- Le modèle génère texte, images et actions robotiques via des modules séparés connectés à un noyau figé.
Pourquoi cette nouvelle compte-t-elle ?
Orca représente une avancée majeure dans les modèles d'IA générative, offrant une base unique pour des tâches variées sans nécessiter d'étiquettes d'action. Cela pourrait révolutionner le développement de systèmes robotiques et d'IA multimodale, réduisant les besoins en données annotées.
51,8% de score moyen sur quatre benchmarks
Public concerné : développeurs, entreprises
Comment Orca parvient-il à générer des actions robotiques sans étiquettes d'action ?
Orca utilise deux méthodes d'apprentissage : un apprentissage non supervisé à partir de vidéos non étiquetées pour comprendre les dynamiques de scène, et un apprentissage supervisé avec des instructions verbales pour lier actions et résultats.
🔧 Outils mentionnés