AnswersPublished23 sources
VPP2 від Robotera показала найкращий результат у симуляції RoboDojo. Що це означає для робототехніки
За даними Robotera, VPP2 набрала в RoboDojo Sim 32,26% середньої успішності та 39,26 бала, а на реальному дворукоманіпуляційному роботі ALOHA — 58,5% успішності без додаткового навчання під конкретні завдання. VPP2 спершу навчається прогнозувати майбутні відеокадри, а вже потім — генерувати дії робота.
ОпублікувавВідредаговано за допомогою GPT-6 LunaЗображення створено за допомогою GPT Image 2
Research answer
Key takeaways
- За даними Robotera, VPP2 набрала в RoboDojo Sim 32,26% середньої успішності та 39,26 бала, а на реальному дворукоманіпуляційному роботі ALOHA — 58,5% успішності без додаткового навчання під конкретні завдання.
- VPP2 спершу навчається прогнозувати майбутні відеокадри, а вже потім — генерувати дії робота.
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 від Robotera поєднує прогнозування відео з генерацією дій для робота. У симуляційному рейтингу RoboDojo компанія повідомила про 32,26% середньої успішності та 39,26 бала, а також перші місця за узагальненням, точністю й пам’яттю. Окремо на реальному дворукоманіпуляційному роботі ALOHA модель нібито досягла 58,5% успішності без додаткового навчання під конкретні завдання. Результати привертають увагу, але не доводять, що VPP2 уже широко застосовують у комерційних системах. 2
6
Що саме вимірює RoboDojo
RoboDojo — бенчмарк для роботизованих маніпуляцій, який розробляє MMLab Гонконзького університету разом з академічними партнерами. Він охоплює 42 завдання для дворуких роботів і перевіряє узагальнення, точність маніпуляцій, виконання довгих послідовностей дій, пам’ять і розуміння інструкцій із відкритим словником. Бенчмарк наводить і частку виконаних завдань, і середній бал, тож оцінює не лише те, чи завершив робот завдання, а й те, наскільки далеко він просунувся. 5
6
На момент оголошення результату Robotera повідомила, що VPP2 посіла перше місце в симуляційному рейтингу: 32,26% середньої успішності, 39,26 бала та найкращі показники за узагальненням, точністю й пам’яттю. Це результат саме симуляційного рейтингу, а не твердження про лідерство VPP2 в усіх оцінюваннях RoboDojo: симуляційні випробування й тести в реальному світі мають окремі рейтинги. 2
6
У наведеному порівнянні після додаткового навчання GPT-6-Astra отримала 22,48% успішності та 28,97 бала. У межах цього оцінювання результат VPP2 вищий на 9,78 відсоткового пункта за успішністю та на 10,29 бала за середньою оцінкою. Ці цифри не варто трактувати як універсальний рейтинг моделей для всіх роботизованих завдань. 6
Є й часовий нюанс щодо формулювання «перше місце». В історії рейтингу RoboDojo зазначено попередній результат Simate-beta, а запис VPP2 додали 8 жовтня. Отже, позиції залежать від конкретного рейтингу й дати та не є незмінною оцінкою всіх версій моделі, налаштувань або її роботи у фізичному середовищі. 12
Що означає «без додаткових даних»
Robotera заявила, що отримала результат у бенчмарку без додаткових даних і самовдосконалення на основі агентного навчання з підкріпленням. Це не означає, що VPP2 створили без масштабного навчання на відео: опис методу вказує, що модель спирається на попередньо навчену Wan2.1-I2V-14B, а далі проходить донавчання на різноманітних відео маніпуляцій роботів, людської діяльності та інших загальних сцен. 25
9
11
Тобто заява про відсутність додаткових даних стосується результату в описаному бенчмарку та додаткового самовдосконалення агента. Сам метод водночас передбачає використання підібраного відеонабору, щоб навчити модель прогнозувати події. 9
11
Чому модель спершу вчиться прогнозувати, а потім діяти
Ключова ідея VPP2 — спочатку розвинути здатність прогнозувати відео, потім прискорити це прогнозування й лише після цього додати генерацію дій. Задум полягає в тому, щоб робот міг спиратися на передбачене майбутнє сцени, водночас зменшуючи ризик втратити набуту здатність до узагальнення під час навчання діям. 9
11
- Навчитися прогнозувати маніпуляції. На першому етапі модель на базі Wan2.1-I2V-14B продовжують навчати на відео роботи з предметами, людської діяльності та загальних сцен. У матеріалах описано детальні текстові описи відео й поділ на змістовні події, щоб модель могла прогнозувати дії в різних завданнях.
9
11
- Перетворити прогноз на швидкий план. Далі модель навчають прогнозувати фіксований восьмисекундний відрізок, а дистиляція узгодженості стискає багатокрокове генерування до одноетапного візуального планувальника. Заявлена затримка прогнозування відео — близько 0,12 секунди.
18
- Генерувати дії з прогнозованих майбутніх сцен. На фінальному етапі додають Action DiT із 0,9 млрд параметрів, з’єднаний із відеомоделлю через архітектуру Mixture-of-Transformers. Опис навчання передбачає, що спочатку основні параметри відеомоделі заморожують, а для адаптації компонента дій використовують LoRA — це має допомогти зберегти вже засвоєні відеомоделлю здатності до прогнозування.
4
За повідомленими вимірами, генерація фрагмента дій тривалістю дві секунди займає близько 0,1 секунди, а прогнозування відео — близько 0,12 секунди. Це наведені експериментальні показники, а не гарантія однакової швидкодії на будь-якому обладнанні. 11
21
Результати на реальному роботі та в LIBERO
На реальному дворукоманіпуляційному роботі ALOHA VPP2, за повідомленням розробників, досягла 58,5% середньої успішності без попереднього навчання на 10 типах завдань. Для порівняння, Physical Intelligence pi0.5 показала 40% — різниця в цьому тестуванні становить 18,5 відсоткового пункта. Це випробування фізичного робота, а не той самий тест, що й симуляційний рейтинг RoboDojo; результати не слід безпосередньо прирівнювати. 2
6
У репозиторії проєкту також наведено 45,00% для LIBERO-Pro та 63,93% для модифікованого протоколу LIBERO-OOD. Уточнення про модифікований протокол важливе: показник OOD не можна беззастережно зіставляти з результатами, отриманими за іншими налаштуваннями. 17
Відкритий код — ще не доказ масштабного застосування
В офіційному репозиторії GitHub описано реалізацію VPP2 та поетапний випуск матеріалів. У примітках зазначено, що ваги відеомоделі стали доступні 10 жовтня, а код навчання відеомоделі з історичним контекстом для RoboDojo оголосили 12 жовтня. Отже, відкритий реліз відбувався поетапно, а не в одну дату. 3
22
Наявні матеріали підтверджують заявлені результати бенчмарків, випробування на реальному роботі та відкритий доступ до коду й частини моделей. Але вони не встановлюють, що VPP2 уже працює в комерційних логістичних системах у великому масштабі. Навіть підтверджене використання інших роботів компанії саме по собі не доводило б, що на них запущена саме ця модель.
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 від Robotera показала найкращий результат у симуляції RoboDojo. Що це означає для робототехніки"?
За даними Robotera, VPP2 набрала в RoboDojo Sim 32,26% середньої успішності та 39,26 бала, а на реальному дворукоманіпуляційному роботі ALOHA — 58,5% успішності без додаткового навчання під конкретні завдання.
What are the key points to validate first?
За даними Robotera, VPP2 набрала в RoboDojo Sim 32,26% середньої успішності та 39,26 бала, а на реальному дворукоманіпуляційному роботі ALOHA — 58,5% успішності без додаткового навчання під конкретні завдання. VPP2 спершу навчається прогнозувати майбутні відеокадри, а вже потім — генерувати дії робота.