AnswersPublished23 sources
VPP2 cemerlang dalam simulasi robot, namun belum terbukti digunakan secara meluas
Robotera melaporkan VPP2 mencatat kejayaan purata 32.26% dan skor purata 39.26 di RoboDojo Sim, serta kejayaan zero shot 58.5% merentas tugasan robot ALOHA sebenar. VPP2 dilatih untuk meramal video sebelum menjana tindakan robot.
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Robotera melaporkan VPP2 mencatat kejayaan purata 32.26% dan skor purata 39.26 di RoboDojo Sim, serta kejayaan zero shot 58.5% merentas tugasan robot ALOHA sebenar.
- VPP2 dilatih untuk meramal video sebelum menjana tindakan robot. Kedudukannya merujuk kepada papan pendahulu simulasi RoboDojo, yang berasingan daripada penilaian dunia sebenar.
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 Robotera menggabungkan ramalan video dengan penjanaan tindakan robot. Di papan pendahulu simulasi RoboDojo, syarikat itu melaporkan kejayaan purata 32.26% dan skor purata 39.26, selain mendahului kategori generalisasi, ketepatan dan memori. Ujian berasingan menggunakan robot sebenar pula melaporkan kejayaan zero-shot 58.5% merentas tugasan ALOHA. Keputusan ini menarik, tetapi tidak membuktikan VPP2 sudah digunakan secara meluas. 2
6
Apa yang diukur oleh keputusan RoboDojo
RoboDojo, yang diterajui MMLab Universiti Hong Kong bersama rakan akademik, menilai manipulasi robot melalui 42 tugasan menggunakan dua lengan robot. Tugasan tersebut menguji kebolehan generalisasi, ketepatan, pelaksanaan tugasan jangka panjang, memori dan pemahaman arahan menggunakan perkataan terbuka. Penanda aras ini melaporkan kadar kejayaan tugasan serta skor purata, jadi hasilnya bukan sekadar ukuran sama ada robot berjaya atau gagal. 5
6
Menurut keputusan yang dilaporkan Robotera, VPP2 menduduki tempat pertama di papan pendahulu simulasi ketika pengumuman dibuat: kejayaan purata 32.26%, skor purata 39.26, dan tempat pertama dalam kategori generalisasi, ketepatan serta memori. Ini ialah keputusan papan pendahulu, bukan dakwaan bahawa VPP2 mendahului setiap penilaian RoboDojo. Papan pendahulu simulasi dan dunia sebenar adalah berasingan. 2
6
Dalam perbandingan pascapelatihan yang dilaporkan, GPT-6-Astra mencatat kejayaan 22.48% dan skor purata 28.97. Dalam perbandingan tersebut, VPP2 mendahului sebanyak 9.78 mata peratusan dari segi kejayaan dan 10.29 mata dari segi skor purata. Angka ini perlu difahami dalam konteks penilaian yang dinyatakan, bukan sebagai kedudukan mutlak merentas semua tugasan robot. 6
Terdapat juga nuansa tentang dakwaan “tempat pertama”. Sejarah papan pendahulu RoboDojo menunjukkan keputusan Simate-beta yang lebih awal sebelum kemasukan VPP2 pada 8 Oktober. Kedudukan bergantung pada papan pendahulu dan tarikh tertentu; ia bukan dakwaan kekal merentas semua versi, tetapan atau prestasi dunia sebenar. 12
Maksud dakwaan “tanpa data tambahan”
Robotera berkata keputusan penanda aras itu dicapai tanpa data tambahan atau penambahbaikan kendiri berasaskan pembelajaran pengukuhan oleh ejen. Namun, dakwaan itu tidak bermaksud VPP2 dibangunkan tanpa proses latihan video yang besar: penerangan kaedah menyatakan model ini berasaskan model Wan2.1-I2V-14B yang telah dipraplatih, kemudian meneruskan pralatihan menggunakan pelbagai video manipulasi robot, aktiviti manusia dan video umum. 25
9
11
Perbezaannya penting: dakwaan “tanpa data tambahan” merujuk kepada keputusan penanda aras yang dilaporkan dan ketiadaan langkah penambahbaikan kendiri tambahan. Kaedah yang diterangkan masih menggunakan himpunan video terpilih untuk membangunkan kebolehan ramalan model. 9
11
Cara VPP2 belajar meramal sebelum bertindak
Reka bentuk utama VPP2 ialah melatih kebolehan ramalan video dahulu, mempercepatkannya, kemudian menambah kebolehan menjana tindakan. Matlamatnya adalah menggunakan gambaran masa depan yang diramal untuk membantu robot menentukan pergerakan, sambil mengurangkan risiko latihan tindakan melemahkan kebolehan generalisasi yang telah dipelajari model video. 9
11
- Belajar meramal manipulasi. Peringkat pertama bermula daripada Wan2.1-I2V-14B, kemudian meneruskan pralatihan video menggunakan rakaman manipulasi robot, aktiviti manusia dan video umum. Video tersebut dihuraikan dengan terperinci dan disusun berdasarkan peristiwa bermakna supaya model belajar meramal tindakan merentas pelbagai tugasan.
9
11
- Memadatkan ramalan menjadi perancang. Peringkat seterusnya melatih model dengan tempoh ramalan tetap selama lapan saat, kemudian menggunakan pemeringkatan konsistensi untuk memadatkan penjanaan berbilang langkah menjadi perancang visual satu langkah. Masa lengah ramalan video yang dilaporkan ialah kira-kira 0.12 saat.
18
- Menjana tindakan daripada kemungkinan masa depan. Peringkat akhir menambah Action DiT dengan 0.9 bilion parameter, yang disambungkan kepada model video melalui reka bentuk mixture-of-transformers. Pada awal latihan tindakan, tulang belakang model video dibekukan dan komponen tindakan disesuaikan menggunakan LoRA, dengan tujuan mengekalkan perwakilan ramalan yang telah dipelajari model video.
4
Masa penjanaan tindakan yang dilaporkan ialah kira-kira 0.1 saat bagi satu segmen tindakan dua saat, selain kira-kira 0.12 saat untuk ramalan video. Ini ialah masa eksperimen yang dilaporkan, bukan jaminan kelajuan yang terpakai pada semua perkakasan. 11
21
Keputusan robot sebenar dan LIBERO
Pada robot sebenar ALOHA yang menggunakan dua lengan, VPP2 dilaporkan mencapai kejayaan purata zero-shot 58.5% merentas 10 jenis tugasan, berbanding 40% bagi pi0.5 daripada Physical Intelligence — perbezaan 18.5 mata peratusan dalam penilaian itu. Keputusan robot fizikal ini berbeza daripada papan pendahulu simulasi RoboDojo dan tidak wajar dianggap setara secara langsung. 2
6
Repositori projek melaporkan keputusan 45.00% pada LIBERO-Pro dan 63.93% menggunakan protokol LIBERO-OOD yang diubah suai. Butiran tentang protokol yang diubah suai itu penting apabila membandingkan angka OOD dengan keputusan daripada tetapan lain. 17
Kod sumber terbuka bukan bukti penggunaan meluas
Repositori GitHub rasmi VPP2 mendokumenkan pelaksanaan model dan proses penerbitannya. Nota keluaran menyatakan bahawa pemberat model video tersedia pada 10 Oktober, manakala kod latihan video RoboDojo berasaskan sejarah diumumkan pada 12 Oktober. Ini menunjukkan keluaran dibuat secara berperingkat, bukannya semuanya diterbitkan pada satu tarikh. 3
22
Bukti yang tersedia menyokong prestasi penanda aras yang dilaporkan, ujian robot sebenar dan ketersediaan kod sumber terbuka. Namun, bukti itu tidak menunjukkan VPP2 sendiri sedang digunakan secara meluas dalam operasi logistik komersial. Walaupun penggunaan Robotera dalam sesebuah operasi dapat disahkan secara berasingan, hal itu tidak dengan sendirinya membuktikan bahawa sistem berkenaan menggunakan model khusus ini.
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 cemerlang dalam simulasi robot, namun belum terbukti digunakan secara meluas"?
Robotera melaporkan VPP2 mencatat kejayaan purata 32.26% dan skor purata 39.26 di RoboDojo Sim, serta kejayaan zero shot 58.5% merentas tugasan robot ALOHA sebenar.
What are the key points to validate first?
Robotera melaporkan VPP2 mencatat kejayaan purata 32.26% dan skor purata 39.26 di RoboDojo Sim, serta kejayaan zero shot 58.5% merentas tugasan robot ALOHA sebenar. VPP2 dilatih untuk meramal video sebelum menjana tindakan robot. Kedudukannya merujuk kepada papan pendahulu simulasi RoboDojo, yang berasingan daripada penilaian dunia sebenar.