AnswersPublished23 sources
VPP2 blinkt uit in robotsimulaties, maar bewijs voor grootschalige inzet ontbreekt
Volgens Robotera behaalde VPP2 op RoboDojo Sim een slagingspercentage van 32,26% en een gemiddelde score van 39,26. VPP2 voorspelt eerst hoe een handeling eruit kan zien en gebruikt die voorspelling vervolgens om robotacties te genereren.
Gepubliceerd doorBewerkt met GPT-6 LunaAfbeeldingen gegenereerd met GPT Image 2
Research answer
Key takeaways
- Volgens Robotera behaalde VPP2 op RoboDojo Sim een slagingspercentage van 32,26% en een gemiddelde score van 39,26.
- VPP2 voorspelt eerst hoe een handeling eruit kan zien en gebruikt die voorspelling vervolgens om robotacties te genereren.
- De cijfers zijn benchmarkresultaten en de code en modelgewichten zijn deels openbaar gemaakt.
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’s VPP2 combineert videovoorspelling met het genereren van robotacties. Op de simulatieranglijst van RoboDojo rapporteerde het bedrijf een gemiddeld slagingspercentage van 32,26% en een gemiddelde score van 39,26. VPP2 behaalde volgens die resultaten ook de hoogste score voor generalisatie, precisie en geheugen. In een afzonderlijke test met een echte robot meldde Robotera een zero-shot slagingspercentage van 58,5% voor ALOHA-taken. Dat zijn opvallende resultaten, maar ze bewijzen niet dat VPP2 op grote schaal wordt ingezet. 2
6
Wat de resultaten van RoboDojo meten
RoboDojo, geleid door MMLab van de Universiteit van Hongkong en ontwikkeld met academische partners, beoordeelt robotmanipulatie aan de hand van 42 taken met twee robotarmen. De tests kijken onder meer naar generalisatie, precisie, het uitvoeren van lange taken, geheugen en het opvolgen van instructies met woorden die niet vooraf vastliggen. De benchmark rapporteert zowel taakvoltooiing als een gemiddelde score; de uitkomst is dus niet alleen een percentage geslaagde taken. 5
6
Robotera’s cijfers zetten VPP2 op het moment van de aankondiging bovenaan de simulatieranglijst: 32,26% gemiddeld slagingspercentage, 39,26 gemiddelde score en de eerste plaats voor generalisatie, precisie en geheugen. Dat is geen bewering dat VPP2 bovenaan staat bij elke RoboDojo-evaluatie: de ranglijsten voor simulatie en de echte wereld zijn gescheiden. 2
6
In een gerapporteerde vergelijking na aanvullende training behaalde GPT-6-Astra een slagingspercentage van 22,48% en een gemiddelde score van 28,97. In die specifieke vergelijking ligt VPP2 daarmee 9,78 procentpunt hoger op slagingspercentage en 10,29 punten hoger op gemiddelde score. Die cijfers gelden voor de beschreven evaluatie, niet als algemene rangorde voor alle robottaken. 6
Bij de term ‘eerste plaats’ hoort ook een tijdsnuance. De geschiedenis van de RoboDojo-ranglijst vermeldt een eerdere inzending van Simate-beta, gevolgd door de inzending van VPP2 op 8 oktober. Een ranglijst beschrijft een bepaalde momentopname en evaluatie-instelling; het is geen tijdloze uitspraak over elke modelversie of prestatie in de praktijk. 12
Wat betekent ‘zonder extra data’?
Robotera zegt dat het de benchmarkresultaten behaalde zonder extra data of zelfverbetering via agentgebaseerde reinforcement learning. Dat betekent niet dat VPP2 zonder een omvangrijk videoleerproces is ontwikkeld: de beschreven methode bouwt voort op een voorgetraind Wan2.1-I2V-14B-model, dat verder is getraind met uiteenlopende video’s van robotmanipulatie, menselijke activiteiten en algemene beelden. 25
9
11
Het onderscheid is belangrijk: de claim over ‘geen extra data’ slaat op de gerapporteerde benchmarkprestatie en het ontbreken van aanvullende zelfverbetering. De beschreven methode gebruikt nog steeds een samengestelde videodataset om het voorspellend vermogen van het model te ontwikkelen. 9
11
Eerst voorspellen, dan handelen
VPP2 is zo ontworpen dat het eerst leert video te voorspellen, daarna sneller voorspelt en pas vervolgens robotacties genereert. Het idee is dat voorspellingen van toekomstige beelden helpen bij het kiezen van bewegingen. Door de stappen te scheiden, wil het team ook voorkomen dat het trainen van acties het aangeleerde generalisatievermogen van het videomodel aantast. 9
11
- Leren voorspellen hoe handelingen verlopen. De eerste fase bouwt voort op Wan2.1-I2V-14B. Het model wordt verder getraind met video’s van robotmanipulatie, menselijke activiteiten en algemene beelden. De video’s krijgen uitgebreide beschrijvingen en worden ingedeeld rond betekenisvolle gebeurtenissen, zodat het model handelingen in verschillende taken leert voorspellen.
9
11
- Voorspellingen sneller maken. Daarna wordt het model getraind op een vaste voorspellingshorizon van acht seconden. Met consistentiedistillatie wordt de voorspelling, die meerdere stappen kan vereisen, teruggebracht tot één stap van een visuele planner. De gerapporteerde vertraging voor videovoorspelling is ongeveer 0,12 seconde.
18
- Acties genereren op basis van verwachte beelden. In de laatste fase komt er een Action DiT van 0,9 miljard parameters bij, gekoppeld aan het videomodel via een zogenoemde mixture-of-transformers-architectuur. Volgens de beschreven trainingsopzet wordt de basis van het videomodel aanvankelijk bevroren en wordt LoRA-aanpassing gebruikt voor het actiedeel, met als doel de voorspellende representaties te behouden.
4
De gerapporteerde tijd voor het genereren van acties is ongeveer 0,1 seconde voor een actieblok van twee seconden, naast circa 0,12 seconde voor de videovoorspelling. Dit zijn gemelde experimentele tijden, geen snelheidsgarantie die onafhankelijk is van de gebruikte hardware. 11
21
Tests met echte robots en LIBERO
Op een echte ALOHA-robot met twee armen behaalde VPP2 volgens Robotera gemiddeld 58,5% zero-shot succes bij tien taaktypen. Ter vergelijking: Physical Intelligence’s pi0.5 kwam in die evaluatie uit op 40%, een verschil van 18,5 procentpunt. Deze praktijktest staat los van de RoboDojo-simulatieranglijst; de uitkomsten zijn dus niet rechtstreeks onderling uitwisselbaar. 2
6
De projectrepository rapporteert 45,00% op LIBERO-Pro en 63,93% op een aangepast LIBERO-OOD-protocol. Dat het OOD-protocol is aangepast, is van belang bij een vergelijking met resultaten uit andere testopzetten. 17
Open source is geen bewijs van inzet op schaal
In de officiële GitHub-repository van VPP2 staan informatie over de implementatie en de uitgifte van het model. Volgens de releaseberichten kwamen de gewichten van het videomodel op 10 oktober beschikbaar. De code voor RoboDojo-videotraining met geschiedenis werd op 12 oktober aangekondigd. De publicatie verliep dus in stappen, niet op één moment waarop alles tegelijk beschikbaar kwam. 3
22
De beschikbare informatie ondersteunt de gerapporteerde benchmarkresultaten, tests met echte robots en de beschikbaarheid van open-sourcemateriaal. Ze toont niet aan dat VPP2 zelf al op grote schaal wordt gebruikt in commerciële logistieke toepassingen. Zelfs als toepassingen van Robotera bij bedrijven afzonderlijk worden bevestigd, bewijst dat op zichzelf niet dat juist dit model daar draait.
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 blinkt uit in robotsimulaties, maar bewijs voor grootschalige inzet ontbreekt"?
Volgens Robotera behaalde VPP2 op RoboDojo Sim een slagingspercentage van 32,26% en een gemiddelde score van 39,26.
What are the key points to validate first?
Volgens Robotera behaalde VPP2 op RoboDojo Sim een slagingspercentage van 32,26% en een gemiddelde score van 39,26. VPP2 voorspelt eerst hoe een handeling eruit kan zien en gebruikt die voorspelling vervolgens om robotacties te genereren.
What should I do next in practice?
De cijfers zijn benchmarkresultaten en de code en modelgewichten zijn deels openbaar gemaakt.