Bài luận mới của Tiến sĩ Fei-Fei Li chỉ ra một điểm nghẽn cho các mô hình toàn cầu: dữ liệu quan trọng nhất, thế giới thực với hình học và vật lý chính xác, khan hiếm hơn nhiều so với video trên internet mà hầu hết các mô hình sử dụng để huấn luyện. Chúng tôi đang xây dựng bộ dữ liệu đó: thế giới vật lý, được quan sát liên tục, từng khung hình đều được định vị chính xác vào một vị trí và góc nhìn đã biết.