AnswersPublished23 sources
Robotmodellen VPP2 får höga testresultat, men visar inte att den används i stor skala
Robotera rapporterar 32,26 procents genomsnittlig framgång och 39,26 poäng för VPP2 i RoboDojo Sim. VPP2 tränas först på att förutsäga video och använder sedan den förmågan för att skapa robotrörelser.
Publicerad avRedigerad med GPT-6 LunaBilder genererade med GPT Image 2
Research answer
Key takeaways
- Robotera rapporterar 32,26 procents genomsnittlig framgång och 39,26 poäng för VPP2 i RoboDojo Sim.
- VPP2 tränas först på att förutsäga video och använder sedan den förmågan för att skapa robotrörelser.
- Företaget rapporterar även 58,5 procents framgång utan uppgiftsspecifik träning på en ALOHA 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
Robotera uppger att VPP2, en modell som kopplar ihop videoförutsägelser med robotrörelser, placerade sig högst på RoboDojo Sim. Företaget rapporterar 32,26 procents genomsnittlig framgång och 39,26 poäng, med topplaceringar inom generalisering, precision och minne. I ett separat test på en fysisk ALOHA-robot rapporteras 58,5 procents framgång utan uppgiftsspecifik träning. Resultaten är intressanta, men visar inte att VPP2 används i stor skala. 2
6
Vad RoboDojo-resultatet mäter
RoboDojo är ett robotbenchmark lett av MMLab vid University of Hong Kong tillsammans med akademiska samarbetspartner. Det omfattar 42 uppgifter för robotar med två armar. Testerna mäter bland annat hur väl en robot generaliserar till nya situationer, utför precisa moment, klarar längre uppgifter, använder minne och följer instruktioner med öppet ordförråd. Benchmarken redovisar både andel slutförda uppgifter och ett genomsnittligt poängresultat. 5
6
Robotera säger att VPP2 låg etta på simuleringsrankningen vid tillkännagivandet: 32,26 procents genomsnittlig framgång och 39,26 poäng i genomsnitt, samt förstaplats inom generalisering, precision och minne. Det gäller RoboDojo Sim – benchmarkens resultat från simulering ska inte blandas ihop med dess separata rankning för tester i den fysiska världen. 2
6
I en redovisad jämförelse efter efterträning fick GPT-6-Astra 22,48 procents framgång och 28,97 poäng. I just den jämförelsen innebär det att VPP2 låg 9,78 procentenheter högre i framgång och 10,29 poäng högre i genomsnittspoäng. Det är siffror från en specifik utvärdering, inte ett generellt mått på hur modellerna presterar i alla robotuppgifter. 6
Det finns också en tidsaspekt i påståendet om förstaplats. RoboDojos historik visar att Simate-beta tidigare hade en topplacering, innan VPP2:s resultat lades till den 8 oktober. Rankningar gäller en viss tidpunkt och utvärdering – inte alla versioner, testupplägg eller förhållanden i verkligheten. 12
Vad betyder ”utan extra data”?
Robotera säger att benchmarkresultatet nåddes utan ytterligare data eller agentbaserad förstärkningsinlärning för själ förbättring. Det betyder inte att VPP2 utvecklades utan omfattande videodata. Beskrivningen av metoden anger att modellen bygger på den förtränade videomodellen Wan2.1-I2V-14B, som sedan tränas vidare på en varierad samling videor med robotmanipulation, mänskliga aktiviteter och allmänna motiv. 25
9
11
Skillnaden är att påståendet om ”ingen extra data” gäller det rapporterade benchmarkresultatet och frånvaron av vissa tillägg för självförbättring. Träningsmetoden använder fortfarande en sammansatt videodatamängd för att lära modellen att förutsäga vad som händer. 9
11
Först förutsäga – sedan agera
VPP2:s upplägg är att först utveckla modellens förmåga att förutsäga video, sedan göra förutsägelserna snabbare och till sist lägga till handlingar. Tanken är att roboten ska kunna använda möjliga framtida scener som underlag för sina rörelser, samtidigt som den tidigare inlärda generaliseringsförmågan bevaras. 9
11
- Lära sig förutsäga manipulation. Med Wan2.1-I2V-14B som grund tränas modellen vidare på videor av robotmanipulation, mänskliga aktiviteter och allmänna situationer. Klippen beskrivs detaljerat och organiseras kring händelser, med målet att modellen ska kunna förutsäga förlopp i olika uppgifter.
9
11
- Göra förutsägelserna snabbare. Därefter tränas modellen på en fast förutsägelsehorisont på åtta sekunder. Med konsistensdestillation komprimeras generering i flera steg till en enda visuell planeringskörning. Den rapporterade tiden för videoförutsägelse är omkring 0,12 sekunder.
18
- Skapa robotrörelser. I det sista steget läggs en Action DiT-modul med 0,9 miljarder parametrar till. Den kopplas till videomodellen genom en så kallad mixture-of-transformers-arkitektur. Enligt metodbeskrivningen fryses videomodellens grundparametrar inledningsvis, medan actiondelen anpassas med LoRA – ett sätt att finjustera modellen med färre ändringar. Målet är att inte försämra videomodellens inlärda förutsägelser.
4
Den rapporterade tiden för att skapa en två sekunder lång rörelsesekvens är omkring 0,1 sekunder, utöver cirka 0,12 sekunder för videoförutsägelsen. Det är redovisade försöksvärden, inte en hastighetsgaranti som gäller oavsett hårdvara. 11
21
Tester med fysisk robot och LIBERO
På en fysisk ALOHA-robot med två armar uppger Robotera en genomsnittlig framgång på 58,5 procent utan uppgiftsspecifik träning, fördelat över tio typer av uppgifter. Som jämförelse anges 40 procent för pi0.5 från Physical Intelligence – en skillnad på 18,5 procentenheter i den utvärderingen. Testet på den fysiska roboten är separat från RoboDojo Sim och resultaten kan inte jämföras rakt av. 2
6
Projektets kodarkiv redovisar också 45,00 procent på LIBERO-Pro och 63,93 procent på ett modifierat LIBERO-OOD-protokoll. Att OOD-resultatet gäller ett modifierat protokoll är viktigt när det jämförs med resultat från andra upplägg. 17
Öppen kod är inte samma sak som driftsättning
VPP2:s officiella GitHub-arkiv beskriver implementationen och publiceringen. Enligt versionsinformationen blev vikterna till videomodellen tillgängliga den 10 oktober, medan kod för RoboDojo-träning med historikvillkor meddelades den 12 oktober. Publiceringen skedde alltså i etapper. 3
22
Underlaget stödjer att Robotera har rapporterat benchmarkresultat och tester med en fysisk robot, och att delar av VPP2 har gjorts tillgängliga öppet. Det visar däremot inte att just VPP2 används i stor skala i kommersiell logistik. Även om ett företag har robotar i drift visar det inte i sig att robotarna kör den här specifika 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 "Robotmodellen VPP2 får höga testresultat, men visar inte att den används i stor skala"?
Robotera rapporterar 32,26 procents genomsnittlig framgång och 39,26 poäng för VPP2 i RoboDojo Sim.
What are the key points to validate first?
Robotera rapporterar 32,26 procents genomsnittlig framgång och 39,26 poäng för VPP2 i RoboDojo Sim. VPP2 tränas först på att förutsäga video och använder sedan den förmågan för att skapa robotrörelser.
What should I do next in practice?
Företaget rapporterar även 58,5 procents framgång utan uppgiftsspecifik träning på en ALOHA robot.