Les deux versions sont alignées bloc par bloc, dans l’ordre du texte : titre, l’essentiel, puis paragraphe par paragraphe. Quand la traduction a fusionné ou scindé un paragraphe, la case correspondante reste vide — on ne rapproche jamais deux passages au jugé.
机器人运动会散场后，真正棘手的不是再跑快一点，而是把桌上的杯子拿稳。自变量机器人团队发布实验室原型自回归世界模型WALL-SS，让机器人在虚拟环境中预演抓取、倒水和整理物品：同一个起始画面换一条动作轨迹，模型要给出相应的抓空、碰撞或成功结果，而不是无论怎么动都把故事改写成成功。
Une fois la compétition de robots terminée, le véritable défi n’est pas de courir encore plus vite, mais de maintenir fermement la tasse posée sur la table. L’équipe de Zibianliang Robotics a présenté le prototype de laboratoire WALL-SS, un modèle du monde autorégressif qui permet à un robot de répéter virtuellement des tâches de saisie, de versement et de rangement : à partir d’une même image initiale, si l’on modifie la trajectoire d’action, le modèle doit produire le résultat correspondant — prise ratée, collision ou réussite — au lieu de réécrire l’histoire en réussite quelle que soit l’action effectuée.
这正对准了机器人进入真实场景后的短板。训练数据若主要来自成功示范，模型容易把“夹爪闭合”和“物体被拿起”简单画上等号，哪怕夹爪与杯子之间还隔着距离，生成画面里的物体也可能像被磁铁吸住一样贴过去。WALL-SS保留抓空、滑落、碰撞、重新抓取、人工接管和失败恢复等数据，让虚拟训练场看到动作的边界，而不只看到理想结局。
Le système s’attaque ainsi aux faiblesses des robots lorsqu’ils entrent dans des environnements réels. Si les données d’entraînement proviennent principalement de démonstrations réussies, le modèle risque d’assimiler trop simplement la « fermeture de la pince » au « soulèvement de l’objet ». Même lorsque la pince est encore éloignée de la tasse, l’objet représenté dans l’image générée peut donner l’impression d’être attiré par un aimant. WALL-SS conserve les données de prises ratées, de glissements, de collisions, de nouvelles tentatives de saisie, de reprises en main par un opérateur et de récupération après échec, afin que le terrain d’entraînement virtuel montre les limites des actions et pas uniquement le résultat idéal.
它的做法是把动作与画面放在同一条时间线上。机械臂往左还是往右，先改变低清预览中的运动方向；夹爪何时闭合，再影响清晰画面里的接触结果。模型同时用会随时间压缩的记忆保存任务状态：最近几秒保留更多细节，更早的历史只留下物体位置和任务进度。论文测试中，WALL-SS连续推演60秒倒水任务，机械臂逐帧轨迹误差保持在画面对角线的0.5%以下。
Sa méthode consiste à placer les actions et les images sur la même ligne temporelle. Que le bras robotique se déplace vers la gauche ou vers la droite modifie d’abord la direction du mouvement dans l’aperçu en basse résolution ; le moment où la pince se referme influe ensuite sur le résultat du contact dans l’image haute résolution. Le modèle utilise également une mémoire dont le niveau de compression augmente avec le temps pour conserver l’état de la tâche : les dernières secondes gardent davantage de détails, tandis que l’historique plus ancien ne conserve que la position des objets et l’avancement de la tâche. Lors des tests de l’étude, WALL-SS a simulé en continu une tâche de versement pendant 60 secondes, tandis que l’erreur de trajectoire du bras robotique, image après image, restait inférieure à 0,5 % de la diagonale de l’image.
虚拟成绩能否指导真机，关键看两边的策略排名是否接近。研究团队把5个不同训练阶段的策略放进WALL-SS和真实机器人，在6项任务、20组匹配初始状态下进行测试，共得到600对闭环结果；其中527对的最终成败一致，虚拟世界选出的较优版本有89%与真机测试中的优劣关系相同。30个任务与策略版本的虚拟、真机成功率相关系数为0.926，但这衡量的是整体趋势，不是单次预测有92.6%的命中率。
Pour déterminer si les résultats virtuels peuvent guider le robot réel, l’essentiel est de vérifier si le classement des stratégies est proche dans les deux environnements. L’équipe de recherche a placé 5 stratégies issues de différentes étapes d’entraînement dans WALL-SS et sur un robot réel, puis les a testées sur 6 tâches et 20 configurations initiales correspondantes, pour un total de 600 paires de résultats en boucle fermée. Dans 527 paires, le résultat final — réussite ou échec — était identique ; parmi les meilleures versions sélectionnées dans le monde virtuel, 89 % présentaient le même rapport de performance que lors des tests sur robot réel. Le coefficient de corrélation des taux de réussite virtuels et réels pour 30 tâches et versions de stratégies atteignait 0,926, mais cette mesure décrit une tendance générale et non un taux de prédiction correcte de 92,6 % pour chaque essai.
具体来说，WALL-SS可以先替机器人研发团队筛掉更差的动作策略，再让少量候选者进入真机测试，减少设备占用、现场复位以及碰撞液体和易碎物品带来的风险。它不是对真实测试的替代品：灵巧手、触觉、力控和关节精度仍决定机器人能否真正拧紧螺丝或插入接口。当前的价值更像一座研发用的练习场、考场和校准台，把真机产生的成功、失败与人工接管数据继续送回模型，帮助下一轮筛选。
Concrètement, WALL-SS peut aider les équipes de développement à écarter d’abord les stratégies les moins performantes, puis à soumettre un nombre réduit de candidates aux tests sur robot réel. Cela diminue l’occupation des équipements, les remises en place sur site ainsi que les risques liés aux collisions avec des liquides ou des objets fragiles. Il ne remplace pas les tests réels : la main robotique dexte, la perception tactile, le contrôle des forces et la précision des articulations restent déterminants pour réellement serrer une vis ou insérer une fiche. Pour l’instant, sa valeur tient davantage à celle d’un terrain d’entraînement, d’un examen et d’une plateforme d’étalonnage pour la recherche et le développement : les données de réussite, d’échec et de reprise en main par un opérateur produites par le robot réel sont réinjectées dans le modèle afin d’améliorer la sélection suivante.