AnswersPublished23 sources
VPP2 od Robotery vede v simulaci RoboDojo. Nasazení ve velkém měřítku ale doloženo není
Robotera uvádí u VPP2 v simulaci RoboDojo průměrnou úspěšnost 32,26 % a skóre 39,26; model vede také v kategoriích zobecňování, přesnosti a paměti. Při testu na skutečném robotu ALOHA dosáhl VPP2 podle zveřejněných výsledků 58,5% úspěšnosti bez dodatečného přizpůsobení konkrétním úlohám.
PublikovalUpraveno pomocí GPT-6 LunaObrázky vytvořeny pomocí GPT Image 2
Research answer
Key takeaways
- Robotera uvádí u VPP2 v simulaci RoboDojo průměrnou úspěšnost 32,26 % a skóre 39,26; model vede také v kategoriích zobecňování, přesnosti a paměti.
- Při testu na skutečném robotu ALOHA dosáhl VPP2 podle zveřejněných výsledků 58,5% úspěšnosti bez dodatečného přizpůsobení konkrétním úlohám.
AI Prompt
openai.comCreate a landscape editorial hero image for this Studio Global article: What does the October 10, 2026 report reveal about Tsinghua University-backed Robotera’s open-source VPP2 world action model, including its. Article summary: The October 10 report presents VPP2 (Video Prediction Policy 2) as an open-source world action model with a reported RoboDojo-Sim lead and stronger real-robot zero-shot results than pi0.5—not as proof of large-scale comm. Topic tags: general, general web. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, charts with fake numbers, click
VPP2 od společnosti Robotera propojuje předpovídání videa s generováním pohybů robota. V simulačním žebříčku RoboDojo firma uvádí průměrnou úspěšnost 32,26 % a průměrné skóre 39,26; první místo získal model také v kategoriích zobecňování, přesnosti a paměti. V samostatném testu na skutečném robotu ALOHA dosáhl podle zveřejněných výsledků 58,5% úspěšnosti bez dodatečného přizpůsobení úlohám. Jsou to pozoruhodné výsledky, ale nedokládají, že se VPP2 používá ve velkém měřítku. 2
6
Co výsledky RoboDojo měří
RoboDojo, které vede MMLab Hongkongské univerzity ve spolupráci s akademickými partnery, hodnotí robotickou manipulaci ve 42 úlohách s obouručními roboty. Testy sledují zobecňování, přesnost manipulace, plnění delších posloupností úkonů, paměť a schopnost řídit se pokyny formulovanými otevřeným slovníkem. Benchmark uvádí jak úspěšnost úloh, tak průměrné skóre, takže nejde jen o to, zda robot úlohu dokončil, ale i o to, jak daleko se při jejím plnění dostal. 5
6
Podle výsledků zveřejněných společností Robotera obsadil VPP2 v době oznámení první místo v simulačním žebříčku: dosáhl 32,26% průměrné úspěšnosti a 39,26 bodu průměrného skóre a vedl v kategoriích zobecňování, přesnosti a paměti. Neznamená to, že je nejlepší ve všech hodnoceních RoboDojo: simulační a reálný žebříček jsou oddělené. 2
6
V uváděném srovnání po dodatečném trénování dosáhl GPT-6-Astra úspěšnosti 22,48 % a průměrného skóre 28,97. V tomto konkrétním hodnocení tak VPP2 vedl o 9,78 procentního bodu v úspěšnosti a o 10,29 bodu ve skóre. Čísla je třeba chápat v kontextu popsaného testu, nikoli jako univerzální pořadí modelů pro všechny robotické úlohy. 6
U tvrzení o „prvním místě“ záleží také na datu a konkrétním žebříčku. Historie RoboDojo uvádí dřívější výsledek Simate-beta a následný zápis VPP2 z 8. října. Pořadí v benchmarku popisuje stav v určitém čase a nastavení; samo o sobě není trvalým tvrzením o všech verzích modelu ani o jeho výkonu v reálném provozu. 12
Co znamená „bez dodatečných dat“
Robotera uvedla, že výsledku v benchmarku dosáhla bez dodatečných dat a bez agentového posilovacího sebezdokonalování. To ale neznamená, že se VPP2 trénoval bez rozsáhlých video dat: popis metody uvádí, že vychází z předtrénovaného modelu Wan2.1-I2V-14B, jehož trénování pokračovalo na různorodých videích robotické manipulace, lidských činností i obecném videoobsahu. 25
9
11
Rozdíl je podstatný: tvrzení o absenci dalších dat se vztahuje k uvedenému výsledku benchmarku a k dodatečnému sebezdokonalování agenta. Popsaná metoda přitom pro rozvoj schopnosti předvídat využívá připravenou video kolekci. 9
11
Jak VPP2 nejprve předpovídá a potom jedná
Základní myšlenkou VPP2 je nejdříve rozvíjet předpovídání videa, následně ho zrychlit a teprve potom přidat generování akcí. Předpověď budoucího obrazu má robotovi pomoci při volbě pohybu; postup má zároveň omezit riziko, že trénink akcí oslabí zobecňovací schopnosti video modelu. 9
11
- Učí se předpovídat manipulaci. První fáze navazuje na Wan2.1-I2V-14B a pokračuje v předtrénování na videích robotické manipulace, lidských činností i obecného obsahu. Videa jsou podrobně popsaná a členěná podle významných událostí, aby se model naučil předvídat průběh různých úloh.
9
11
- Zkracuje výpočet předpovědi. Další fáze pracuje s pevně stanoveným osmivteřinovým horizontem předpovědi. Pomocí destilace konzistence se vícekrokové generování převádí na jednorázového vizuálního plánovače. Uváděná doba předpovědi videa je přibližně 0,12 sekundy.
18
- Odvozuje pohyby z předpovědi. V poslední fázi přibývá Action DiT s 0,9 miliardy parametrů, propojený s video modelem architekturou mixture of transformers. Popsané nastavení nejprve zmrazí základní část video modelu a k přizpůsobení akční složky používá LoRA, aby se zachovaly naučené prediktivní reprezentace.
4
Generování akce podle zveřejněných údajů trvá přibližně 0,1 sekundy pro dvousekundový úsek pohybu; předpověď videa má trvat zhruba 0,12 sekundy. Jde o naměřené časy v popsaném experimentu, nikoli o záruku stejné rychlosti na každém hardwaru. 11
21
Výsledky na skutečném robotu a v LIBERO
Na skutečném obouručním robotu ALOHA dosáhl VPP2 podle zveřejněných údajů 58,5% průměrné úspěšnosti bez dodatečného přizpůsobení, a to v 10 typech úloh. Physical Intelligence pi0.5 dosáhl v tomto srovnání 40 %, tedy o 18,5 procentního bodu méně. Test na fyzickém robotu je oddělený od simulačního žebříčku RoboDojo; výsledky proto nelze považovat za zaměnitelné. 2
6
Repozitář projektu uvádí také 45,00 % v LIBERO-Pro a 63,93 % v upraveném protokolu LIBERO-OOD. Označení „upravený protokol“ je důležité při srovnávání výsledku OOD s testy provedenými podle jiného nastavení. 17
Otevřený kód není důkaz nasazení
Oficiální repozitář VPP2 na GitHubu popisuje implementaci i postup zveřejňování. Podle poznámek k vydání byly váhy video modelu dostupné od 10. října; kód pro trénování videa s historií RoboDojo byl oznámen 12. října. Zveřejňování tedy probíhalo postupně, nikoli v jediném okamžiku. 3
22
Dostupné podklady dokládají zveřejněné výsledky benchmarků, testování na skutečném robotu a dostupnost otevřeného kódu. Nedokládají však, že samotný VPP2 už ve velkém měřítku funguje v komerční logistice. Ani případně ověřené nasazení robotů společnosti by samo o sobě nepotvrzovalo, že používají právě tento model.
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "VPP2 od Robotery vede v simulaci RoboDojo. Nasazení ve velkém měřítku ale doloženo není"?
Robotera uvádí u VPP2 v simulaci RoboDojo průměrnou úspěšnost 32,26 % a skóre 39,26; model vede také v kategoriích zobecňování, přesnosti a paměti.
What are the key points to validate first?
Robotera uvádí u VPP2 v simulaci RoboDojo průměrnou úspěšnost 32,26 % a skóre 39,26; model vede také v kategoriích zobecňování, přesnosti a paměti. Při testu na skutečném robotu ALOHA dosáhl VPP2 podle zveřejněných výsledků 58,5% úspěšnosti bez dodatečného přizpůsobení konkrétním úlohám.