AnswersPublished23 sources
VPP2 får sterke robotresultater – men hva viser de egentlig?
Robotera rapporterer at VPP2 oppnådde 32,26 prosent gjennomsnittlig suksessrate og 39,26 poeng på RoboDojo Sim, samt 58,5 prosent nullskuddsuksess på ALOHA oppgaver med en fysisk robot. VPP2 lærer først å forutsi video før modellen trenes til å lage robotbevegelser.
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer
Key takeaways
- Robotera rapporterer at VPP2 oppnådde 32,26 prosent gjennomsnittlig suksessrate og 39,26 poeng på RoboDojo Sim, samt 58,5 prosent nullskuddsuksess på ALOHA oppgaver med en fysisk robot.
- VPP2 lærer først å forutsi video før modellen trenes til å lage robotbevegelser.
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-modellen VPP2 kobler sammen videoforutsigelse og generering av robotbevegelser. På RoboDojos simuleringsrangering rapporterte selskapet en gjennomsnittlig suksessrate på 32,26 prosent og en gjennomsnittsscore på 39,26, med topplasseringer innen generalisering, presisjon og hukommelse. I en separat test med en fysisk robot oppga selskapet 58,5 prosent suksess uten oppgavespesifikk trening. Resultatene er interessante, men viser ikke at VPP2 er tatt i bruk i stor skala. 2
6
Hva RoboDojo-resultatene måler
RoboDojo, ledet av MMLab ved Universitetet i Hongkong sammen med akademiske samarbeidspartnere, tester robotmanipulering gjennom 42 oppgaver med to robotarmer. Oppgavene undersøker blant annet generalisering, presisjon, utførelse over lengre oppgaver, hukommelse og forståelse av instruksjoner med åpne ordvalg. Testen oppgir både om oppgavene lykkes og en gjennomsnittsscore, som også sier noe om hvor langt roboten kommer. 5
6
Robotera oppgir at VPP2 lå øverst på simuleringsrangeringen da resultatet ble kunngjort: 32,26 prosent gjennomsnittlig suksessrate, 39,26 i gjennomsnittsscore og førsteplass i kategoriene generalisering, presisjon og hukommelse. Dette gjelder ikke alle RoboDojo-evalueringer: rangeringene for simulering og virkelige roboter er separate. 2
6
I en rapportert sammenligning etter ettertrening fikk GPT-6-Astra 22,48 prosent suksessrate og 28,97 i gjennomsnittsscore. I akkurat denne sammenligningen ligger VPP2 dermed 9,78 prosentpoeng høyere på suksessrate og 10,29 poeng høyere på score. Tallene bør forstås innenfor den beskrevne evalueringen, ikke som en universell rangering på tvers av robotoppgaver. 6
Det er også verdt å merke seg at «førsteplass» avhenger av rangeringen og tidspunktet. RoboDojos historikk viser at Simate-beta ble ført opp tidligere, før VPP2 kom inn på simuleringstabellen 8. oktober. Rangeringer beskriver en bestemt tabell på et bestemt tidspunkt – ikke nødvendigvis alle modeller, innstillinger eller resultater i den virkelige verden. 12
Hva betyr «uten ekstra data»?
Robotera sier at benchmarkresultatet ble oppnådd uten ekstra data eller agentbasert selvforbedring gjennom forsterkningslæring. Det betyr ikke at VPP2 ble utviklet uten omfattende videodata: metodebeskrivelsene sier at modellen bygger på den forhåndstrente Wan2.1-I2V-14B og videre trenes med et variert utvalg videoer av robotmanipulering, menneskelig aktivitet og generelle scener. 25
9
11
Skillet er viktig: Påstanden om «ingen ekstra data» gjelder resultatet på den aktuelle testen og slike tilleggsmetoder for selvforbedring. Den beskrevne treningen bruker likevel et kuratert videomateriale for å lære modellen å forutsi hva som skjer. 9
11
Først forutsi – så handle
VPP2s sentrale idé er å utvikle videoforutsigelse først, gjøre den raskere og deretter legge til generering av handlinger. Tanken er at forutsigelser av mulige framtidige situasjoner kan hjelpe roboten med å velge bevegelser, samtidig som handlingstreningen ikke svekker modellens evne til å generalisere. 9
11
- Lære å forutsi manipulasjon. Første trinn bygger videre på Wan2.1-I2V-14B med videoer av robotmanipulering, menneskelig aktivitet og generelle scener. Videoene beskrives detaljert og deles inn etter meningsfulle hendelser, slik at modellen kan lære å forutsi handlinger på tvers av ulike oppgaver.
9
11
- Koke ned forutsigelsen til en planlegger. Neste trinn trener modellen til å forutsi et fast tidsrom på åtte sekunder. Deretter brukes konsistensdestillasjon for å komprimere generering i flere steg til en visuell planlegger som lager resultatet i ett steg. Rapportert forsinkelse for videoforutsigelsen er rundt 0,12 sekunder.
18
- Lage handlinger ut fra mulige framtider. Til slutt legges en Action DiT med 0,9 milliarder parametere til. Den kobles til videomodellen gjennom en blandet transformer-arkitektur. I den beskrevne treningen fryses videomodellens grunnmodell først, mens handlingsdelen tilpasses med LoRA – en metode for effektiv finjustering. Målet er å bevare videomodellens evne til å forutsi.
4
Robotera oppgir at det tar rundt 0,1 sekunder å generere en handlingssekvens på to sekunder, i tillegg til omtrent 0,12 sekunder for videoforutsigelsen. Dette er målte tider i de beskrevne forsøkene, ikke en hastighetsgaranti uavhengig av maskinvare. 11
21
Resultater på fysiske roboter og LIBERO
På en fysisk ALOHA-robot med to armer skal VPP2 ha oppnådd 58,5 prosent gjennomsnittlig suksessrate uten oppgavespesifikk trening, på tvers av ti oppgavetyper. Til sammenligning rapporteres 40 prosent for pi0.5 fra Physical Intelligence – en forskjell på 18,5 prosentpoeng i denne testen. Resultater med fysisk robot er separate fra RoboDojo-simuleringen og kan ikke sammenlignes direkte med den. 2
6
Prosjektets kodebase rapporterer 45,00 prosent på LIBERO-Pro og 63,93 prosent på en modifisert LIBERO-OOD-protokoll. At OOD-protokollen er modifisert, er viktig når tallet sammenlignes med resultater fra andre testoppsett. 17
Åpen kildekode er ikke det samme som utrulling
VPP2s offisielle GitHub-repositorium dokumenterer implementeringen og lanseringen. Ifølge endringsloggen ble videomodellens vekter tilgjengelige 10. oktober, mens treningskode for RoboDojo med historikkbetinget video ble kunngjort 12. oktober. Lanseringen skjedde altså trinnvis, ikke nødvendigvis som én komplett utgivelse på én dato. 3
22
Dokumentasjonen gir grunnlag for å omtale rapporterte benchmarkresultater, tester med fysisk robot og tilgjengelig kode. Den viser derimot ikke at VPP2 selv er i drift i kommersielle logistikkoperasjoner i stor skala. Selv om Robotera skulle ha andre, dokumenterte logistikkleveranser, ville ikke det alene vise at de bruker akkurat denne modellen.
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 får sterke robotresultater – men hva viser de egentlig?"?
Robotera rapporterer at VPP2 oppnådde 32,26 prosent gjennomsnittlig suksessrate og 39,26 poeng på RoboDojo Sim, samt 58,5 prosent nullskuddsuksess på ALOHA oppgaver med en fysisk robot.
What are the key points to validate first?
Robotera rapporterer at VPP2 oppnådde 32,26 prosent gjennomsnittlig suksessrate og 39,26 poeng på RoboDojo Sim, samt 58,5 prosent nullskuddsuksess på ALOHA oppgaver med en fysisk robot. VPP2 lærer først å forutsi video før modellen trenes til å lage robotbevegelser.