JawabanDipublikasikan23 sumber
VPP2 Robotera unggul di RoboDojo, tapi belum terbukti dipakai secara luas
Robotera melaporkan VPP2 meraih tingkat keberhasilan rata rata 32,26% dan skor rata rata 39,26 di leaderboard simulasi RoboDojo. VPP2 dilatih untuk memprediksi perubahan adegan sebelum menghasilkan gerakan robot.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Robotera melaporkan VPP2 meraih tingkat keberhasilan rata rata 32,26% dan skor rata rata 39,26 di leaderboard simulasi RoboDojo.
- VPP2 dilatih untuk memprediksi perubahan adegan sebelum menghasilkan gerakan robot.
AI Perintah
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, model aksi robot dari Robotera, menggabungkan prediksi video dengan pembuatan gerakan. Di leaderboard simulasi RoboDojo, perusahaan melaporkan tingkat keberhasilan rata-rata 32,26% dan skor rata-rata 39,26, serta posisi teratas pada kategori generalisasi, presisi, dan memori. Dalam uji terpisah dengan robot nyata, VPP2 dilaporkan meraih keberhasilan 58,5% secara zero-shot pada tugas ALOHA. Hasil ini menarik, tetapi belum menunjukkan bahwa VPP2 telah diterapkan secara luas. 2
6
Apa yang diukur RoboDojo?
RoboDojo, yang dipimpin MMLab Universitas Hong Kong bersama para kolaborator akademik, menguji manipulasi robot melalui 42 tugas dengan robot berlengan dua. Penilaiannya mencakup generalisasi, presisi, pelaksanaan tugas berjangka panjang, memori, dan kemampuan mengikuti instruksi dengan kosakata terbuka. Benchmark ini mencatat tingkat keberhasilan sekaligus skor rata-rata, sehingga hasilnya tidak hanya bergantung pada apakah tugas tuntas atau tidak. 5
6
Robotera melaporkan VPP2 berada di posisi pertama pada leaderboard simulasi saat hasil tersebut diumumkan. Itu bukan berarti VPP2 memimpin semua jenis evaluasi RoboDojo: leaderboard simulasi dan dunia nyata dinilai secara terpisah. 2
6
Dalam perbandingan pascapelatihan yang dilaporkan, GPT-6-Astra mencatat tingkat keberhasilan 22,48% dan skor rata-rata 28,97. Dalam evaluasi tersebut, angka VPP2 unggul 9,78 poin persentase pada tingkat keberhasilan dan 10,29 poin pada skor rata-rata. Perbandingan ini merujuk pada evaluasi yang dilaporkan, bukan pemeringkatan universal untuk semua tugas robot. 6
Ada pula catatan soal klaim “posisi pertama”. Riwayat leaderboard RoboDojo mencatat hasil Simate-beta lebih dahulu, sebelum VPP2 ditambahkan pada 8 Oktober. Peringkat menggambarkan posisi pada leaderboard dan tanggal tertentu; hasil itu bukan klaim yang berlaku selamanya atau mencakup semua pengaturan maupun kinerja di dunia nyata. 12
Makna klaim “tanpa data tambahan”
Robotera menyatakan hasil benchmark tersebut diraih tanpa data tambahan atau mekanisme peningkatan diri berbasis penguatan oleh agen. Klaim ini tidak berarti VPP2 dikembangkan tanpa proses pelatihan video yang luas: uraian metode menyebut model tersebut dibangun di atas Wan2.1-I2V-14B pralatih, lalu dilatih lebih lanjut menggunakan beragam video manipulasi robot, aktivitas manusia, dan video umum. 25
9
11
Dengan kata lain, klaim tanpa data tambahan merujuk pada hasil benchmark dan ketiadaan mekanisme peningkatan diri tambahan yang disebutkan. Metode yang dijelaskan tetap menggunakan kumpulan video terkurasi untuk mengembangkan kemampuan prediksi model. 9
11
Dari memprediksi video hingga menghasilkan gerakan
VPP2 dirancang dengan urutan: melatih prediksi video terlebih dahulu, mempercepatnya, lalu menambahkan kemampuan menghasilkan aksi. Tujuannya, perkiraan tentang keadaan berikutnya dapat membantu robot memilih gerakan, sembari menjaga kemampuan generalisasi model video agar tidak terkikis oleh pelatihan aksi. 9
11
- Belajar memprediksi manipulasi. Tahap pertama melanjutkan pelatihan Wan2.1-I2V-14B menggunakan video manipulasi robot, aktivitas manusia, dan video umum. Video diberi deskripsi terperinci dan disusun berdasarkan peristiwa penting, agar model belajar memprediksi aksi di berbagai tugas.
9
11
- Memadatkan prediksi menjadi perencana. Tahap berikutnya melatih model dengan rentang prediksi tetap delapan detik, kemudian menggunakan consistency distillation untuk memadatkan proses pembuatan video bertahap menjadi perencana visual satu langkah. Waktu prediksi video yang dilaporkan sekitar 0,12 detik.
18
- Menghasilkan aksi dari perkiraan masa depan. Tahap terakhir menambahkan Action DiT dengan 0,9 miliar parameter, yang terhubung ke model video melalui rancangan mixture-of-transformers. Dalam konfigurasi pelatihan yang dijelaskan, model video pada awalnya dibekukan dan komponen aksi diadaptasi dengan LoRA, dengan tujuan mempertahankan representasi prediksi yang sudah dipelajari.
4
Waktu pembuatan aksi yang dilaporkan sekitar 0,1 detik untuk satu segmen aksi berdurasi dua detik, ditambah sekitar 0,12 detik untuk prediksi video. Angka tersebut berasal dari pengujian yang dilaporkan, bukan jaminan kecepatan yang berlaku pada semua perangkat keras. 11
21
Hasil pada robot nyata dan LIBERO
Pada robot nyata ALOHA berlengan dua, VPP2 dilaporkan mencapai rata-rata keberhasilan zero-shot 58,5% pada 10 jenis tugas, dibandingkan 40% untuk pi0.5 dari Physical Intelligence. Selisihnya 18,5 poin persentase dalam evaluasi tersebut. Hasil robot fisik ini berbeda dari leaderboard simulasi RoboDojo dan tidak bisa dianggap setara langsung. 2
6
Repositori proyek juga melaporkan hasil 45,00% pada LIBERO-Pro dan 63,93% pada protokol LIBERO-OOD yang dimodifikasi. Keterangan bahwa protokol OOD-nya telah dimodifikasi penting saat membandingkan angka itu dengan hasil dari pengaturan evaluasi lain. 17
Kode terbuka bukan bukti penerapan luas
Repositori GitHub resmi VPP2 memuat implementasi dan informasi rilis. Catatan rilis menyebut bobot model video tersedia pada 10 Oktober, sedangkan kode pelatihan video RoboDojo yang menggunakan riwayat diumumkan pada 12 Oktober. Artinya, rilisnya berlangsung bertahap, bukan satu peluncuran lengkap pada satu tanggal. 3
22
Bukti yang tersedia mendukung laporan kinerja benchmark, pengujian pada robot nyata, dan ketersediaan kode serta model secara terbuka. Namun, bukti itu belum menunjukkan bahwa VPP2 sendiri telah beroperasi dalam skala besar di pusat logistik komersial. Bahkan jika penerapan robot oleh perusahaan di suatu tempat dapat diverifikasi secara terpisah, hal itu belum membuktikan bahwa sistem tersebut menggunakan model VPP2.
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "VPP2 Robotera unggul di RoboDojo, tapi belum terbukti dipakai secara luas"?
Robotera melaporkan VPP2 meraih tingkat keberhasilan rata rata 32,26% dan skor rata rata 39,26 di leaderboard simulasi RoboDojo.
Apa poin penting yang harus divalidasi terlebih dahulu?
Robotera melaporkan VPP2 meraih tingkat keberhasilan rata rata 32,26% dan skor rata rata 39,26 di leaderboard simulasi RoboDojo. VPP2 dilatih untuk memprediksi perubahan adegan sebelum menghasilkan gerakan robot.