AnswersPublished23 sources
VPP2 Robotery prowadzi w RoboDojo-Sim, ale wdrożenia na dużą skalę pozostają niepotwierdzone
Robotera podała dla VPP2 skuteczność 32,26% i średni wynik 39,26 w RoboDojo Sim. VPP2 najpierw uczy się przewidywać, jak zmieni się obraz, a dopiero potem generuje ruch robota.
Opublikowane przezEdytowane za pomocą GPT-6 LunaObrazy wygenerowane za pomocą GPT Image 2
Research answer
Key takeaways
- Robotera podała dla VPP2 skuteczność 32,26% i średni wynik 39,26 w RoboDojo Sim.
- VPP2 najpierw uczy się przewidywać, jak zmieni się obraz, a dopiero potem generuje ruch robota.
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, model Robotery łączący przewidywanie wideo z generowaniem ruchów robota, uzyskał według firmy średnią skuteczność 32,26% i średni wynik 39,26 w symulacyjnym rankingu RoboDojo. Robotera podała też, że model prowadził w kategoriach uogólniania, precyzji i pamięci. W osobnym teście na prawdziwym robocie ALOHA odnotowano 58,5% skuteczności zero-shot w różnych zadaniach. To interesujące wyniki, ale nie dowodzą, że VPP2 jest wdrożony komercyjnie na dużą skalę. 2
6
Co sprawdza RoboDojo?
RoboDojo to benchmark rozwijany pod kierunkiem MMLab na Uniwersytecie w Hongkongu, we współpracy z partnerami akademickimi. Ocenia manipulowanie przedmiotami w 42 zadaniach wykonywanych przez roboty dwuramienne. Sprawdza m.in. uogólnianie umiejętności, precyzję, wykonywanie długich sekwencji czynności, pamięć i rozumienie instrukcji opisywanych otwartym słownictwem. Benchmark podaje zarówno odsetek ukończonych zadań, jak i wynik średni, który uwzględnia więcej niż sam fakt wykonania zadania. 5
6
Według ogłoszonych danych VPP2 znalazł się na pierwszym miejscu w rankingu symulacyjnym RoboDojo: uzyskał 32,26% średniej skuteczności i 39,26 punktu średniego wyniku, a także zajął pierwsze miejsce w kategoriach uogólniania, precyzji i pamięci. Nie oznacza to jednak, że prowadzi w każdej ocenie RoboDojo — rankingi symulacyjne i rzeczywistych testów są osobne. 2
6
W przytoczonym porównaniu po dodatkowym treningu GPT-6-Astra uzyskał 22,48% skuteczności i 28,97 punktu średniego wyniku. W tym konkretnym zestawieniu VPP2 wyprzedza go o 9,78 punktu procentowego pod względem skuteczności i o 10,29 punktu w średnim wyniku. Nie należy traktować tych liczb jako uniwersalnego rankingu modeli we wszystkich zadaniach robotycznych. 6
Warto też pamiętać, że określenie „pierwsze miejsce” odnosi się do konkretnego rankingu i daty. Historia RoboDojo odnotowuje wcześniejszy wynik Simate-beta, a następnie wpis VPP2 z 8 października. Pozycje na liście nie są więc ponadczasową oceną wszystkich wersji, ustawień i wyników w rzeczywistych warunkach. 12
Co oznacza deklaracja „bez dodatkowych danych”?
Robotera informowała, że osiągnęła wynik w benchmarku bez dodatkowych danych i bez agentowego samodoskonalenia przez uczenie ze wzmocnieniem. Nie oznacza to jednak, że VPP2 trenowano bez szerokiego zbioru materiałów wideo. Opis metody wskazuje, że model bazuje na wstępnie wytrenowanym Wan2.1-I2V-14B, a jego trening kontynuowano na zróżnicowanych nagraniach manipulacji robotami, aktywności ludzi i ogólnych materiałach wideo. 25
9
11
To istotne rozróżnienie: deklaracja o braku dodatkowych danych dotyczy uzyskania opisywanego wyniku i niewykorzystania dodatkowego samodoskonalenia agentowego. Sama metoda nadal korzysta z przygotowanego zbioru filmów do rozwijania zdolności przewidywania modelu. 9
11
Najpierw przewidywanie, potem działanie
Główna idea VPP2 polega na tym, by najpierw rozwinąć umiejętność przewidywania wideo, następnie przyspieszyć ten proces, a dopiero potem dodać generowanie działań. Przewidywany obraz przyszłej sceny ma pomagać robotowi dobrać ruch, a etapowy trening ma ograniczyć ryzyko osłabienia zdolności uogólniania wyuczonych przez model podczas nauki działania. 9
11
- Nauka przewidywania manipulacji. Trening rozpoczyna się od modelu Wan2.1-I2V-14B. Następnie jest on dalej trenowany na nagraniach manipulacji robotami, aktywności ludzi i ogólnych filmach. Materiały opisano szczegółowo i podzielono według znaczących zdarzeń, by model uczył się przewidywać przebieg różnych czynności.
9
11
- Szybsze przewidywanie. Kolejny etap zakłada przewidywanie w stałym, ośmiosekundowym horyzoncie. Destylacja spójności ma skompresować generowanie wieloetapowe do jednoetapowego planera wizualnego. Podawane opóźnienie przewidywania wideo wynosi około 0,12 sekundy.
18
- Generowanie ruchów. W ostatnim etapie dodano moduł Action DiT o 0,9 mld parametrów, połączony z modelem wideo w architekturze typu mixture-of-transformers. Opis treningu zakłada początkowe zamrożenie bazowego modelu wideo i użycie adaptacji LoRA dla części odpowiedzialnej za działanie. Ma to pomóc zachować wyuczone reprezentacje predykcyjne.
4
Podawany czas generowania działania to około 0,1 sekundy dla dwusekundowego fragmentu ruchu, obok około 0,12 sekundy na przewidywanie wideo. Są to czasy z opisywanych eksperymentów, a nie gwarancja szybkości niezależna od użytego sprzętu. 11
21
Testy na prawdziwym robocie i wyniki LIBERO
Na rzeczywistym robocie dwuramiennym ALOHA VPP2 miał osiągnąć średnio 58,5% skuteczności zero-shot w 10 typach zadań. Dla porównania Physical Intelligence pi0.5 uzyskał w tej ocenie 40%, co oznacza różnicę 18,5 punktu procentowego. To wynik z testu na fizycznym robocie, odrębny od symulacyjnego rankingu RoboDojo i nie należy porównywać obu ocen tak, jakby były tym samym testem. 2
6
Repozytorium projektu podaje 45,00% w LIBERO-Pro oraz 63,93% w zmodyfikowanym protokole LIBERO-OOD. Określenie „zmodyfikowany protokół” jest ważne przy zestawianiu wyniku OOD z rezultatami uzyskanymi w innych konfiguracjach testu. 17
Otwarty kod to nie dowód wdrożenia
Oficjalne repozytorium GitHub VPP2 opisuje implementację i etapy udostępniania projektu. W informacjach o wydaniu podano, że wagi modelu wideo opublikowano 10 października, a kod treningu wideo z historią RoboDojo — 12 października. Było to więc udostępnianie etapami, a nie jedno kompletne wydanie w konkretnym dniu. 3
22
Dostępne informacje potwierdzają deklarowane wyniki benchmarków, testy na prawdziwym robocie i udostępnienie projektu w otwartym repozytorium. Nie potwierdzają natomiast, że sam VPP2 działa już na dużą skalę w komercyjnych operacjach logistycznych. Nawet potwierdzone wdrożenia firmy nie dowodziłyby same w sobie, że wykorzystywany jest w nich właśnie ten model.
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 Robotery prowadzi w RoboDojo-Sim, ale wdrożenia na dużą skalę pozostają niepotwierdzone"?
Robotera podała dla VPP2 skuteczność 32,26% i średni wynik 39,26 w RoboDojo Sim.
What are the key points to validate first?
Robotera podała dla VPP2 skuteczność 32,26% i średni wynik 39,26 w RoboDojo Sim. VPP2 najpierw uczy się przewidywać, jak zmieni się obraz, a dopiero potem generuje ruch robota.