テキストto動画、もしくはその逆が出来るという事は
物理世界の理解と想像が可能という事
そしてそれをプログラムに落とす事も可能

当然軽作業ロボは飛躍的に向上するし、本丸はそこだと思うよ
簡単に言えば意味理解
知的と言われる動物は、理解度の差だし