Jim Fan de NVIDIA aborde l'idée du test de Turing physique, où l'on ne pourrait pas distinguer le travail d'un humain de celui d'une machine dans le monde réel, comme pour le nettoyage et la préparation d'un dîner. Il souligne la difficulté d'obtenir les données d'entraînement nécessaires pour les robots par rapport aux modèles linguistiques, car elles ne sont pas disponibles sur Internet et nécessitent une collecte manuelle coûteuse. Pour surmonter ce défi, NVIDIA utilise des simulations à grande échelle, accélérées et diversifiées, pour entraîner les robots à des tâches complexes, démontrant la transférabilité de ces compétences vers le monde réel, y compris pour les robots humanoïdes. Cette approche, qu'il qualifie de "simulation 1.0" (jumeau numérique) et de "simulation 2.0" (modèle vidéo diffusion), constitue le "pouvoir nucléaire" pour faire évoluer la robotique. L'objectif ultime est de créer une API physique permettant aux logiciels de contrôler des actionneurs pour interagir avec le monde physique, ouvrant la voie à une nouvelle économie basée sur les compétences des robots.