AntwortenVeröffentlicht23 Quellen
Robotera meldet starke VPP2-Ergebnisse – was die RoboDojo-Platzierung aussagt
Robotera berichtet für VPP2 auf der RoboDojo Simulationsrangliste eine Erfolgsrate von 32,26 Prozent und einen Durchschnittswert von 39,26. VPP2 sagt zunächst voraus, wie sich eine Szene entwickeln könnte, und leitet daraus Roboteraktionen ab.
Veröffentlicht vonBearbeitet mit GPT-6 LunaBilder erstellt mit GPT Image 2
Forschungsantwort
Wichtige Erkenntnisse
- Robotera berichtet für VPP2 auf der RoboDojo Simulationsrangliste eine Erfolgsrate von 32,26 Prozent und einen Durchschnittswert von 39,26.
- VPP2 sagt zunächst voraus, wie sich eine Szene entwickeln könnte, und leitet daraus Roboteraktionen ab.
KI-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 zufolge verbindet das Modell VPP2 (Video Prediction Policy 2) die Vorhersage künftiger Videobilder mit der Erzeugung von Roboteraktionen. Auf der Simulationsrangliste von RoboDojo meldete das Unternehmen eine durchschnittliche Erfolgsrate von 32,26 Prozent und einen Durchschnittswert von 39,26. In den Kategorien Generalisierung, Präzision und Gedächtnis lag VPP2 demnach vorn. Ein separater Test mit einem realen Roboter ergab laut Bericht eine Zero-Shot-Erfolgsrate von 58,5 Prozent bei ALOHA-Aufgaben. Das sind beachtliche Testresultate – aber kein Nachweis für einen kommerziellen Einsatz im großen Maßstab. 2
6
Was RoboDojo misst
RoboDojo wird vom MMLab der Universität Hongkong mit akademischen Partnern getragen. Der Benchmark umfasst 42 Aufgaben für zweiarmige Roboter. Geprüft werden unter anderem, ob ein Modell auf neue Situationen verallgemeinern, präzise greifen und manipulieren, längere Aufgabenfolgen bewältigen, Informationen im Gedächtnis behalten und Anweisungen mit offenem Wortschatz befolgen kann. Neben der Erfolgsrate weist RoboDojo auch einen Durchschnittswert aus – die Bewertung beschränkt sich also nicht auf die Frage, ob eine Aufgabe vollständig abgeschlossen wurde. 5
6
Die von Robotera gemeldeten VPP2-Werte beziehen sich auf die Simulation. Die reale RoboDojo-Auswertung hat eine eigene Rangliste; die beiden Ergebnisse sind nicht austauschbar. 2
6
Zum Vergleich: In einer berichteten Nachtrainingsauswertung erzielte GPT-6-Astra eine Erfolgsrate von 22,48 Prozent und einen Durchschnittswert von 28,97. In genau diesem Vergleich liegt VPP2 um 9,78 Prozentpunkte bei der Erfolgsrate und um 10,29 Punkte beim Durchschnittswert vorn. Das ist kein allgemeines Ranking für sämtliche Roboteraufgaben. 6
Auch der Begriff „Spitzenplatz“ braucht einen zeitlichen Bezug: In der Ranglisten-Historie ist bereits ein früherer Eintrag für Simate-beta verzeichnet, bevor VPP2 am 8. Oktober eingetragen wurde. Ranglisten spiegeln einen bestimmten Benchmark und einen bestimmten Zeitpunkt wider – keine zeitlose Aussage über alle Modelle, Einstellungen oder Leistungen in der realen Welt. 12
„Ohne zusätzliche Daten“ – was damit gemeint ist
Robotera erklärte, das Benchmark-Ergebnis ohne zusätzliche Daten und ohne agentenbasierte rekursive Selbstverbesserung erzielt zu haben. Daraus folgt nicht, dass VPP2 ohne umfangreiches Videotraining entwickelt wurde: Die beschriebene Methode baut auf dem vortrainierten Modell Wan2.1-I2V-14B auf und setzt das Training mit vielfältigen Videos zu Roboterhandhabung, menschlichen Tätigkeiten und allgemeinen Szenen fort. 25
9
11
Der Unterschied ist wichtig: Die Aussage zu „keinen zusätzlichen Daten“ bezieht sich auf das gemeldete Benchmark-Ergebnis und zusätzliche Selbstverbesserungsverfahren. Für die Entwicklung der Vorhersagefähigkeit nutzt die beschriebene Methode weiterhin einen zusammengestellten Videodatensatz. 9
11
Erst die Zukunft vorhersagen, dann handeln
VPP2 trainiert die Videovorhersage zunächst separat, beschleunigt sie und ergänzt anschließend die Aktionsgenerierung. Die Idee: Vorhergesagte Szenen sollen dem Roboter bei der Wahl seiner Bewegungen helfen. Zugleich soll die spätere Aktionsschulung möglichst wenig von der zuvor erlernten Verallgemeinerungsfähigkeit beeinträchtigen. 9
11
- Handlungen in Videos vorhersagen lernen: Als Grundlage dient Wan2.1-I2V-14B. Das Modell wird mit Videos zu Roboterhandhabung, menschlichen Aktivitäten und allgemeinen Szenen weitertrainiert. Die Clips sind ausführlich beschrieben und nach bedeutungsvollen Ereignissen geordnet, damit das Modell Handlungen über unterschiedliche Aufgaben hinweg vorhersagen kann.
9
11
- Vorhersagen beschleunigen: Im nächsten Schritt wird das Modell auf einen festen Vorhersagehorizont von acht Sekunden ausgerichtet. Konsistenz-Destillation verdichtet die mehrstufige Generierung zu einem einstufigen visuellen Planer. Für die Videovorhersage wird eine Latenz von etwa 0,12 Sekunden angegeben.
18
- Aktionen aus den vorhergesagten Szenen ableiten: In der letzten Stufe kommt ein Action DiT mit 0,9 Milliarden Parametern hinzu. Es ist über eine Mixture-of-Transformers-Architektur mit dem Videomodell verbunden. Zu Beginn des Aktionstrainings bleibt der Video-Backbone laut Beschreibung eingefroren; für die Anpassung des Aktionsteils wird LoRA verwendet. Das soll die bereits gelernten Vorhersagerepräsentationen erhalten.
4
Für die Aktionsgenerierung werden etwa 0,1 Sekunden pro zwei Sekunden langem Aktionsabschnitt angegeben; die Videovorhersage soll rund 0,12 Sekunden dauern. Das sind berichtete Versuchswerte, keine von der Hardware unabhängige Geschwindigkeitsgarantie. 11
21
Tests am realen Roboter und mit LIBERO
An einem realen, zweiarmigen ALOHA-Roboter soll VPP2 bei zehn Aufgabentypen im Durchschnitt 58,5 Prozent Zero-Shot-Erfolg erreicht haben. Für pi0.5 von Physical Intelligence werden in derselben Auswertung 40 Prozent genannt – ein Abstand von 18,5 Prozentpunkten. Diese Tests am physischen Roboter sind getrennt von der RoboDojo-Simulationsrangliste zu betrachten. 2
6
Im offiziellen Repository des Projekts werden außerdem 45,00 Prozent für LIBERO-Pro und 63,93 Prozent für ein modifiziertes LIBERO-OOD-Protokoll angegeben. Der Zusatz „modifiziertes Protokoll“ ist beim Vergleich des OOD-Werts mit Ergebnissen aus anderen Testaufbauten wichtig. 17
Offener Code ist kein Einsatznachweis
Das offizielle GitHub-Repository dokumentiert die Implementierung und die Veröffentlichung von VPP2. Laut den Versionshinweisen wurden die Gewichte des Videomodells am 10. Oktober verfügbar; der Code für das RoboDojo-Training mit historischen Videodaten folgte am 12. Oktober. Die Veröffentlichung erfolgte damit in mehreren Schritten und nicht an einem einzigen Stichtag. 3
22
Die vorliegenden Belege stützen die berichteten Benchmarkwerte, Tests am realen Roboter und die Verfügbarkeit von Modellteilen und Code. Sie zeigen jedoch nicht, dass VPP2 selbst bereits in großem Umfang in kommerziellen Logistikzentren eingesetzt wird. Selbst bestätigte Einsätze von Robotera-Systemen würden für sich genommen nicht belegen, dass dort genau dieses Modell läuft.
Studio Global AI
Setzen Sie Ihre Recherche fort
Diese Seite enthält eine quellengestützte Antwort, die Sie in Studio Global fortsetzen können.
Die Leute fragen auch
Wie lautet die kurze Antwort auf „Robotera meldet starke VPP2-Ergebnisse – was die RoboDojo-Platzierung aussagt“?
Robotera berichtet für VPP2 auf der RoboDojo Simulationsrangliste eine Erfolgsrate von 32,26 Prozent und einen Durchschnittswert von 39,26.
Was sind die wichtigsten Punkte, die zuerst validiert werden müssen?
Robotera berichtet für VPP2 auf der RoboDojo Simulationsrangliste eine Erfolgsrate von 32,26 Prozent und einen Durchschnittswert von 39,26. VPP2 sagt zunächst voraus, wie sich eine Szene entwickeln könnte, und leitet daraus Roboteraktionen ab.