AnswersPublished23 sources
VPP2 è in testa alla classifica di simulazione RoboDojo: cosa dimostrano davvero i risultati
Robotera riporta per VPP2 un successo medio del 32,26% e un punteggio di 39,26 su RoboDojo Sim, oltre a un successo zero shot del 58,5% su compiti reali con ALOHA: sono risultati di benchmark, non prove di diffusione... VPP2 impara prima a prevedere come evolve una scena e poi a generare le azioni del robot.
Pubblicato daModificato con GPT-6 LunaImmagini generate con GPT Image 2
Research answer
Key takeaways
- Robotera riporta per VPP2 un successo medio del 32,26% e un punteggio di 39,26 su RoboDojo Sim, oltre a un successo zero shot del 58,5% su compiti reali con ALOHA: sono risultati di benchmark, non prove di diffusione...
- VPP2 impara prima a prevedere come evolve una scena e poi a generare le azioni del robot.
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, il modello di Robotera che abbina previsione video e generazione di azioni robotiche, ha ottenuto risultati di rilievo nei test riportati dall’azienda. Su RoboDojo-Sim ha registrato un successo medio del 32,26% e un punteggio medio di 39,26, con primi posti nelle categorie generalizzazione, precisione e memoria. In una prova separata su un robot reale ALOHA, Robotera ha riferito un successo zero-shot medio del 58,5%. Sono risultati interessanti, ma non dimostrano che VPP2 sia già impiegato su larga scala. 2
6
Che cosa misurano i risultati di RoboDojo
RoboDojo è un benchmark guidato dal MMLab dell’Università di Hong Kong insieme a collaboratori accademici. Valuta la manipolazione robotica attraverso 42 compiti con bracci robotici doppi, mettendo alla prova generalizzazione, precisione, esecuzione di attività prolungate, memoria e comprensione di istruzioni a vocabolario aperto. Il benchmark riporta sia il successo nei compiti sia un punteggio medio, che tiene conto di più aspetti rispetto alla sola percentuale di completamento. 5
6
Al momento dell’annuncio, Robotera ha indicato VPP2 al primo posto nella classifica di simulazione, con un successo medio del 32,26% e un punteggio medio di 39,26. Il modello risultava inoltre primo per generalizzazione, precisione e memoria. Non si tratta però di un primato in ogni valutazione RoboDojo: le classifiche di simulazione e quelle nel mondo reale sono separate. 2
6
Nel confronto post-training riportato, GPT-6-Astra ha ottenuto un successo del 22,48% e un punteggio medio di 28,97. In quella specifica valutazione, VPP2 lo supera di 9,78 punti percentuali nella percentuale di successo e di 10,29 punti nel punteggio medio. Il confronto va letto entro i confini del test citato, non come una graduatoria valida per qualunque compito robotico. 6
C’è anche una precisazione sul significato di «primo posto»: la cronologia di RoboDojo registra un risultato precedente di Simate-beta, seguito dall’inserimento di VPP2 l’8 ottobre. Le posizioni in classifica si riferiscono quindi a un benchmark e a una data specifici, non a un primato senza scadenza valido per ogni versione, configurazione o prova nel mondo reale. 12
«Senza dati aggiuntivi»: che cosa significa
Robotera ha dichiarato di aver ottenuto il risultato nel benchmark senza dati aggiuntivi e senza auto-miglioramento per rinforzo basato su agenti. Questo non significa che VPP2 sia stato sviluppato senza un ampio processo di addestramento video: le descrizioni del metodo indicano che il modello parte da Wan2.1-I2V-14B e prosegue il pre-addestramento usando video diversi, dedicati alla manipolazione robotica, alle attività umane e a scene generali. 25
9
11
La distinzione è importante: la dichiarazione sull’assenza di dati aggiuntivi riguarda il risultato riportato e l’uso di componenti di auto-miglioramento aggiuntivi. Il metodo descritto, invece, impiega comunque una raccolta selezionata di video per sviluppare la capacità predittiva del modello. 9
11
Prima prevedere, poi agire: le tre fasi di VPP2
L’idea centrale è sviluppare prima la capacità di prevedere i video, renderla più rapida e solo in seguito aggiungere la generazione di azioni. In questo modo, le scene future previste possono aiutare a scegliere i movimenti, mentre la separazione delle fasi punta a ridurre il rischio che l’addestramento sulle azioni comprometta la capacità di generalizzazione già acquisita dal modello video. 9
11
- Imparare a prevedere le manipolazioni. A partire da Wan2.1-I2V-14B, il primo passaggio continua il pre-addestramento con video di manipolazioni robotiche, attività umane e scene generali. Le clip vengono descritte in dettaglio e organizzate attorno a eventi significativi, così da aiutare il modello a prevedere azioni in compiti diversi.
9
11
- Ridurre i tempi della previsione. La fase successiva addestra il modello a prevedere un intervallo fisso di otto secondi e usa la distillazione di consistenza per comprimere la generazione in più passaggi in un pianificatore visivo a singolo passaggio. La latenza video riportata è di circa 0,12 secondi.
18
- Generare le azioni a partire dal futuro previsto. Infine viene aggiunto Action DiT, un modulo con 0,9 miliardi di parametri, collegato al modello video tramite un’architettura mixture-of-transformers. Nella configurazione descritta, all’inizio dell’addestramento delle azioni il modello video viene mantenuto congelato e il componente d’azione viene adattato con LoRA, con l’obiettivo di preservare le rappresentazioni predittive apprese.
4
Il tempo riportato per generare le azioni è di circa 0,1 secondi per un segmento d’azione di due secondi, a cui si aggiungono circa 0,12 secondi per la previsione video. Sono tempi sperimentali dichiarati, non una garanzia di velocità valida indipendentemente dall’hardware. 11
21
I test sul robot reale e su LIBERO
Su un robot reale ALOHA a doppio braccio, VPP2 avrebbe raggiunto un successo zero-shot medio del 58,5% su 10 tipi di compito, contro il 40% riportato per pi0.5 di Physical Intelligence. La differenza in quella valutazione è di 18,5 punti percentuali. Si tratta di prove con un robot fisico, distinte dalla classifica di simulazione RoboDojo e non direttamente intercambiabili con essa. 2
6
Il repository del progetto riporta inoltre un risultato del 45,00% su LIBERO-Pro e del 63,93% su un protocollo modificato di LIBERO-OOD. La precisazione sul protocollo modificato è essenziale per confrontare il dato OOD con risultati ottenuti in altre configurazioni. 17
Codice aperto, ma nessuna prova di diffusione su larga scala
Il repository ufficiale GitHub di VPP2 documenta l’implementazione e il rilascio. Nelle note si legge che i pesi del modello video sono stati resi disponibili il 10 ottobre e che il codice per l’addestramento video su RoboDojo con condizionamento sulla storia è stato annunciato il 12 ottobre: il rilascio è quindi avvenuto per fasi, non in un’unica data. 3
22
Le informazioni disponibili sostengono l’esistenza di risultati dichiarati su benchmark, test su un robot reale e materiali open source. Non dimostrano, invece, che VPP2 sia già operativo su larga scala in applicazioni commerciali di logistica. Anche eventuali impieghi logistici dell’azienda, se verificati indipendentemente, non proverebbero da soli che quei sistemi utilizzino proprio questo modello.
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 è in testa alla classifica di simulazione RoboDojo: cosa dimostrano davvero i risultati"?
Robotera riporta per VPP2 un successo medio del 32,26% e un punteggio di 39,26 su RoboDojo Sim, oltre a un successo zero shot del 58,5% su compiti reali con ALOHA: sono risultati di benchmark, non prove di diffusione...
What are the key points to validate first?
Robotera riporta per VPP2 un successo medio del 32,26% e un punteggio di 39,26 su RoboDojo Sim, oltre a un successo zero shot del 58,5% su compiti reali con ALOHA: sono risultati di benchmark, non prove di diffusione... VPP2 impara prima a prevedere come evolve una scena e poi a generare le azioni del robot.