XYG sélectionné comme participant clé d'un consortium de projet national visant à développer un modèle de fondation d'IA indépendant

La société XYG Co., Ltd., spécialisée dans l'IA physique (PDG Seongjae Hwang), a été sélectionnée comme participant clé du consortium pour le projet national visant à développer le « Modèle de fondation d'IA indépendante (Dokpamo) » promu par le ministère des Sciences et des TIC.

Le projet Dokpamo est une initiative nationale visant à réduire la dépendance aux technologies étrangères et à garantir un modèle de base indépendant pour l'IA. Il débutera par le développement d'un modèle de langage à grande échelle et s'étendra progressivement aux modèles multimodaux et à l'IA comportementale. Suite à l'intégration de Motif Technologies et aux évaluations initiales menées par LG AI Research Institute, Upstage et SK Telecom, le projet fonctionnera comme un système compétitif, avec un total de quatre équipes participantes.

Le consortium Motif Technologies, auquel participe XyG, dispose d'un système collaboratif complet intégrant infrastructure d'IA, construction de données et recherche académique. XyG est notamment responsable de l'application de la robotique basée sur le modèle VLA (Vision-Langage-Action).

Xyzy assurera l'entraînement des modèles de base grâce à des données réelles à grande échelle, collectées par des robots déployés sur l'ensemble du territoire. L'entreprise prévoit également de collecter et de traiter des données multimodales issues des interactions homme-robot, ainsi que des données de manipulation de précision grâce à son dispositif propriétaire GloveX, afin d'améliorer les performances des modèles d'IA physique.

Le modèle développé sera appliqué à différents types de robots, notamment aux robots de service collaboratifs et au robot semi-humanoïde DEUX. Ceci permettra de réaliser des démonstrations sur le terrain de l'intelligence artificielle en environnement réel et jettera les bases de son adoption à grande échelle.

Le gouvernement prévoit d'examiner la performance du modèle par le biais d'évaluations progressives et de sélectionner les bénéficiaires finaux du soutien par le biais d'un processus concurrentiel.


  • Voir plus d'articles connexes