AnswersPublished23 sources
Robotmodellen VPP2 scorer højt i simulering, men er endnu ikke dokumenteret i stor skala
Robotera rapporterer en succesrate på 32,26 procent og en gennemsnitsscore på 39,26 for VPP2 på RoboDojo Sim samt 58,5 procent succes på opgaver med en fysisk ALOHA robot. VPP2 forudsiger først, hvordan en handling kan ændre scenen, og bruger derefter forudsigelsen til at generere robotbevægelser.
Udgivet afRedigeret med GPT-6 LunaBilleder genereret med GPT Image 2
Research answer
Key takeaways
- Robotera rapporterer en succesrate på 32,26 procent og en gennemsnitsscore på 39,26 for VPP2 på RoboDojo Sim samt 58,5 procent succes på opgaver med en fysisk ALOHA robot.
- VPP2 forudsiger først, hvordan en handling kan ændre scenen, og bruger derefter forudsigelsen til at generere robotbevægelser.
- Benchmarkresultater, test med en rigtig robot og offentliggjort kode er ikke i sig selv dokumentation for, at VPP2 er taget i brug i stor skala.
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
Robotera oplyser, at virksomhedens VPP2-model ligger øverst på RoboDojo-benchmarkens simuleringsrangliste med en gennemsnitlig succesrate på 32,26 procent og en gennemsnitsscore på 39,26. Modellen fik også de bedste resultater inden for generalisering, præcision og hukommelse. I en separat test med en fysisk ALOHA-robot rapporterede virksomheden 58,5 procent succes uden særskilt tilpasning til opgaverne. Resultaterne er interessante, men de dokumenterer ikke, at VPP2 er i drift i stor skala. 2
6
Hvad RoboDojo måler
RoboDojo er et benchmark for robotmanipulation, ledet af MMLab ved University of Hong Kong sammen med akademiske samarbejdspartnere. Det dækker 42 opgaver med robotter, der bruger to arme, og tester blandt andet generalisering, præcision, opgaver med mange trin, hukommelse og evnen til at følge instruktioner med åbent ordforråd. Benchmarken opgiver både, hvor ofte opgaverne lykkes, og en gennemsnitsscore, der giver et bredere billede af resultaterne. 5
6
VPP2’s rapporterede placering gælder simuleringsranglisten. RoboDojo har også en separat rangliste for fysiske robotter, så resultatet kan ikke læses som en førsteplads i alle benchmarkens evalueringer. 2
6
I en rapporteret sammenligning efter eftertræning fik GPT-6-Astra en succesrate på 22,48 procent og en gennemsnitsscore på 28,97. Det svarer til, at VPP2 lå 9,78 procentpoint højere på succesrate og 10,29 point højere på score i netop den sammenligning. Tallene er ikke en universel rangordning af modeller på tværs af alle robotopgaver. 6
Der er også et forbehold ved formuleringen «førsteplads»: RoboDojos historik viser, at Simate-beta blev føjet til simuleringsranglisten tidligere, mens VPP2 blev tilføjet 8. oktober. Ranglister afhænger af tidspunkt og evalueringsopsætning og siger ikke i sig selv noget endegyldigt om alle versioner eller om præstation i den virkelige verden. 12
Hvad betyder «uden ekstra data»?
Robotera har sagt, at benchmarkresultatet blev opnået uden ekstra data eller agentbaseret selvforbedring. Det betyder ikke, at VPP2 blev udviklet uden omfattende træning på video. Beskrivelser af metoden angiver, at modellen bygger på den fortrænede Wan2.1-I2V-14B-model og viderefortrænes på forskellige videoer af robotmanipulation, menneskelige aktiviteter og generelle situationer. 25
9
11
Skellet er vigtigt: Påstanden om «ingen ekstra data» handler om det rapporterede benchmarkresultat og fraværet af ekstra selvforbedringstrin. Den beskrevne metode bruger stadig et sammensat videodatasæt til at lære modellen at forudsige, hvad der sker. 9
11
Først forudsige – derefter handle
VPP2’s grundidé er at træne videoforudsigelse først, gøre den hurtigere og derefter tilføje evnen til at generere handlinger. Tanken er, at robotten kan bruge et billede af en mulig fremtidig situation til at vælge sine bevægelser, samtidig med at actiontræningen i mindre grad forstyrrer videoens generaliseringsevne. 9
11
- Lære at forudsige manipulation. Med Wan2.1-I2V-14B som udgangspunkt fortsætter første trin videotræningen på klip med robotmanipulation, menneskelige aktiviteter og generelt videomateriale. Klippene beskrives detaljeret og organiseres omkring meningsfulde hændelser, så modellen kan lære at forudsige forløb på tværs af opgaver.
9
11
- Gøre forudsigelsen hurtigere. Næste trin træner modellen til at forudsige en fast periode på otte sekunder. Ved hjælp af consistency distillation komprimeres en forudsigelse, der ellers kræver flere trin, til en visuel planlægger, der genererer resultatet i ét trin. Den rapporterede latenstid for videoforudsigelsen er cirka 0,12 sekunder.
18
- Generere handlinger ud fra den forudsagte fremtid. Til sidst tilføjes en Action DiT med 0,9 milliarder parametre, koblet til videomodellen gennem en blandet transformerarkitektur. I den beskrevne træning fryses videomodellens grundmodel først, mens handlingsdelen tilpasses med LoRA. Målet er at bevare videomodellens indlærte forudsigelser.
4
Den rapporterede tid til at generere handlinger er cirka 0,1 sekunder for et handlingsforløb på to sekunder, ud over cirka 0,12 sekunder til videoforudsigelsen. Det er målinger fra de beskrevne forsøg – ikke en hastighedsgaranti, der gælder uanset hardware. 11
21
Test med robotter og LIBERO-resultater
På en fysisk ALOHA-robot med to arme opnåede VPP2 ifølge rapporteringen en gennemsnitlig succesrate på 58,5 procent på tværs af 10 opgavetyper uden særskilt tilpasning til opgaverne. Til sammenligning blev Physical Intelligences pi0.5 opgjort til 40 procent i samme evaluering – en forskel på 18,5 procentpoint. Det er resultater fra en fysisk robottest og skal holdes adskilt fra RoboDojo-simuleringen. 2
6
Projektets repository opgiver desuden 45,00 procent på LIBERO-Pro og 63,93 procent på en ændret LIBERO-OOD-protokol. At OOD-resultatet er målt med en ændret protokol, er væsentligt, når det sammenlignes med tal fra andre opsætninger. 17
Åben kode er ikke det samme som udrulning
VPP2’s officielle GitHub-repository beskriver implementeringen og offentliggørelsen. Ifølge udgivelsesnoterne blev vægtene til videomodellen tilgængelige 10. oktober, mens koden til RoboDojo-træning med historikbetingelser blev annonceret 12. oktober. Det peger på en trinvis offentliggørelse frem for én samlet lanceringsdato. 3
22
Det tilgængelige materiale underbygger rapporterede benchmarkresultater, test med en fysisk robot og adgang til open source-materiale. Det dokumenterer ikke, at VPP2 selv er i drift i stor skala inden for eksempelvis kommerciel logistik. Selv dokumenterede logistikinstallationer hos virksomheden ville ikke i sig selv vise, at netop denne model driver systemerne.
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 "Robotmodellen VPP2 scorer højt i simulering, men er endnu ikke dokumenteret i stor skala"?
Robotera rapporterer en succesrate på 32,26 procent og en gennemsnitsscore på 39,26 for VPP2 på RoboDojo Sim samt 58,5 procent succes på opgaver med en fysisk ALOHA robot.
What are the key points to validate first?
Robotera rapporterer en succesrate på 32,26 procent og en gennemsnitsscore på 39,26 for VPP2 på RoboDojo Sim samt 58,5 procent succes på opgaver med en fysisk ALOHA robot. VPP2 forudsiger først, hvordan en handling kan ændre scenen, og bruger derefter forudsigelsen til at generere robotbevægelser.
What should I do next in practice?
Benchmarkresultater, test med en rigtig robot og offentliggjort kode er ikke i sig selv dokumentation for, at VPP2 er taget i brug i stor skala.