Robòtica
CocoMatrix vol fer de l'aprenentatge en context la base de la robòtica
El mitjà xinès QbitAI va publicar diumenge 6 de setembre una entrevista amb Gao Yuxiang, fundador i director executiu de CocoMatrix (COCO Matrix), empresa creada l'abril de 2026. No es tracta del llançament d'un model: el text exposa la seva aposta tècnica.
Rep el resum diari d'IA
Cada matí, l'essencial de la intel·ligència artificial al teu correu, sense fum. Al dia amb la IA.
En subscriure-t'hi acceptes rebre el butlletí d'AI Informator. Pots donar-te de baixa quan vulguis.
En resum
- Gao defensa l'aprenentatge en context (in-context learning, ICL): que el robot s'adapti a una tasca nova a partir d'exemples a la seva entrada, sense ajust fi ni actualitzar paràmetres.
- La companyia diu que treballa en representacions visuals condicionades per la tasca i en memòria contínua; són plantejaments propis, sense avaluació externa.
Aprendre d'una demostració, sense reentrenar
L'aprenentatge en context es va descriure el 2020 amb GPT-3 com la capacitat de resoldre una tasca nova utilitzant només els exemples inclosos a l'entrada, sense actualitzar els paràmetres del model. En robòtica aquest context no és únicament text: barreja desenes d'imatges per segon, l'estat del propi cos i seqüències d'accions.
Gao proposa una "representació condicional": una mateixa escena exigeix informació diferent segons la intenció. En reconèixer una tassa importa el significat; en anar a agafar-la, la posició, la profunditat i el contorn. El seu model, afirma, extreu nivells diferents segons la tasca, de manera que la generació de l'acció pot ser més lleugera si la comprensió prèvia és precisa.
Memòria contínua i buits de dades
Per al context llarg, Gao sosté que la clau no és estirar una finestra fixa de minuts, sinó un mecanisme en flux continu (streaming) que filtri i comprimeixi l'historial i conservi allò útil, vingui de fa deu minuts o d'una hora. Cita la compressió de la memòria cau de claus i valors de l'atenció i variants d'atenció lineal o dispersa, en proves internes.
Entre els límits assenyala la manca de dades d'ensenyament humà-robot, correcció en temps real i treball conjunt, sense definicions ni estàndards de recollida compartits. Les tasques complexes encara no tenen avaluació completa, i l'autocorrecció —que presenta com una altra forma d'aprenentatge en context— continua en desenvolupament.
Conclusió
L'entrevista fixa una direcció tècnica —context i adaptació ràpida davant d'acumular dades per tasca— més que un producte. Les afirmacions procedeixen de l'empresa i no compten amb verificació independent.
Fonts primàries
Rep el resum diari d'IA
Cada matí, l'essencial de la intel·ligència artificial al teu correu, sense fum. Al dia amb la IA.
En subscriure-t'hi acceptes rebre el butlletí d'AI Informator. Pots donar-te de baixa quan vulguis.
Comentarios