Runway 开源机器人模型 Praxis-1,以视频预训练驱动控制
Runway 以开放权重和源码形式发布机器人控制模型 Praxis-1,采用 Apache 2.0 许可证并允许商用。该模型由视频模型微调而来,输入相机图像、文本指令和机器人位姿,持续预测场景变化并调整运动;在 NVIDIA RoboLab-120 基准上成功率 46.2%,居 World Action Model 类别首位,但测试均由 Runway 自行完成、尚未经独立验证。
Runway 以开放权重和源码形式发布机器人控制模型 Praxis-1,采用 Apache 2.0 许可证并允许商用。该模型由视频模型微调而来,输入相机图像、文本指令和机器人位姿,持续预测场景变化并调整运动;在 NVIDIA RoboLab-120 基准上成功率 46.2%,居 World Action Model 类别首位,但测试均由 Runway 自行完成、尚未经独立验证。
Google DeepMind 发布机器人控制模型 Gemini Robotics 2.5,这是一种视觉-语言-动作模型(VLA),可处理视觉信息、理解语言指令并转化为机器人动作。
Google DeepMind 发布新一代 Gemini Robotics 平台,其中负责生成机器人动作的视觉-语言-动作模型 Gemini Robotics 升级至 2.5 版本。
Google DeepMind 发布 Gemini Robotics 2.5,称其为目前能力最强的视觉-语言-动作(VLA)模型,在灵巧度、可靠性和安全性三方面提升。
推荐理由:原文给出200项任务评测、Mercedes-Benz产线96%成功率与安全指标,可判断VLA模型在真实场景的进展。