Zero shot
Fellow suit ce sujet depuis juillet 2026 : 11 articles résumés en français, dont 5 jugés majeurs ou notables.
Toute l'actualité · 11 articles
GAS-PFN : des PFN spatiotemporels sensibles aux graphes pour la prévision du trafic en zero-shot
Des chercheurs proposent GAS-PFN, un Prior-Data Fitted Network intégrant la topologie routière pour prévoir le trafic sans mise à jour des paramètres, avec 34,0 % de MSE en moins que TimePFN.
Dream-1 : Dream Labs sort de l'ombre avec 90 M$ et un modèle robotique zero-shot via API
Dream Labs lève 90 M$ en seed et ouvre Dream-1 via une API publique : un modèle censé piloter un nouveau robot bimanuel à pinces parallèles sans fine-tuning ni démonstrations.
VioLA : apprendre des politiques de contrôle humanoïde généralistes à partir de données humaines
En prédisant des latents de mouvement plutôt que des commandes articulaires, VioLA exploite 140,6 M de frames dont 93,2 % humaines et suit des instructions de locomotion en zero-shot sur un robot réel.
Reformuler avant d'agir : caractériser et atténuer la sensibilité linguistique des modèles vision-langage-action
Les modèles VLA perdent la robustesse linguistique de leurs fondations VLM. Une simple reformulation d'instruction peut faire varier le taux de succès de plusieurs dizaines de points. Les auteurs proposent une méthode de réécriture zero-shot sans réentraînement.
Rêver le son du contact : générer vidéo et audio pour une manipulation robotique sensible à la force
Des chercheurs exploitent le son généré par IA pour extraire des profils de force et guider un bras robotique dans des tâches de contact.
Semigroup-JEPA : cohérence dynamique latente pour généralisation physique
Une extension du JEPA améliore la généralisation zéro-shot en physique via l'action-conditioning.
UniMate : un modèle unifié pour animer des squelettes variés
Un modèle fondation génère du mouvement articulé pour tout squelette via prompt texte, sans fine-tuning spécifique.
CLAP : des modèles vidéo cross-embodiment comme simulateurs physiques
CLAP unifie les espaces d'action robots et humains pour générer des vidéos prédisant la physique en zero-shot.
Une approche agentique pour la collecte de données, la modélisation des comportements de déplacement et la prédiction de la demande sensible à la météo
Un système à trois agents combine chatbot, traitement de données et prédiction pour anticiper les choix de mode de transport selon la météo.
CHARM : un modèle de fondation pour graphes multimodaux à modélisation contextuelle hiérarchique pour le transfert zero-shot
Un nouveau modèle vise à généraliser sur des graphes multimodaux inédits sans adaptation ni fine-tuning, en modélisant des contextes hiérarchiques partagés.
RMISC : un corpus multivarié réel à grande échelle pour les modèles de fondation de séries temporelles
Un corpus de 200 jeux de données et 142 milliards de points temporels pour évaluer l'apport des données réelles vs synthétiques dans les TSFMs.