跳到正文
aihot(aihot.news)· noreply@aihot.news (Runway:News)·· 11 天前精選品質評分69

Runway 開源 27B 世界動作模型 Praxis-1,採用 Apache 2.0 釋出權重

Runway 開源 27B 世界動作模型 Praxis-1,權重採用 Apache 2.0 許可

重點導讀

Runway 宣佈以 Apache 2.0 釋出 Praxis-1 開放權重,這款 27B 世界動作模型可同時預測影片與動作,供機器人開發者和研究者使用。

AI 伴隨問答

自備 Key 深度分析

針對這篇報導有疑問?可直接點選快捷問題或向 AI 追問背景脈絡與技術細節:

推薦理由

RoboLab-120 的多模型成功率比較與 Apache 2.0 開放範圍,提供評估模型表現及自行部署、微調的具體依據。

正文

Runway:News·2026-11-12 07:25· 3 分鐘前精選AI 評分67

Praxis-1 Is Now Available

AI 導讀

Runway 宣佈世界動作模型 Praxis-1 以 Apache 2.0 開放權重面向所有人開放。該模型為 27B 引數 MoE 擴散 Transformer,同時預測影片與動作,在 NVIDIA RoboLab-120 榜單以 46.2% 成功率居首,超過 FLUX 3 Action(42.9%)、Cosmos3 Nano(36.8%)和 π0.5(28.0%)。

推薦理由

原文給出 RoboLab-120 榜單具體成績、開源範圍和適配方式,讀者可以據此評估它在自有硬體上的部署可行性。

Praxis-1 是我們的旗艦世界動作模型,現已在 Apache 2.0 許可下以開放權重向所有人開放。我們於九月釋出了 Praxis-1,這是我們的首個世界動作模型,它基於與我們通用世界模型相同的大規模影片預訓練構建。我們的釋出合作伙伴包括 Noble Machines、Standard Bots 和 Ultra,他們已在各自的硬體上執行該模型:一臺足式人形機器人、一臺六軸工業機械臂和一臺雙臂倉儲機器人。今天,同一模型向每一位機器人開發者和研究者開放。

所有影片均為 1 倍速。

頂尖效能

Praxis-1 是一個 270 億引數的混合專家擴散 Transformer,能夠同時預測影片和動作。它在 NVIDIA 的 RoboLab-120 排行榜上位列世界動作模型之首,並優於所有開放權重的 VLA。在 RoboLab-120 上,Praxis-1 在 1,200 個回合中達到 46.2% 的成功率,相比之下 FLUX 3 Action 為 42.9%,Cosmos3 Nano 為 36.8%,π0.5 為 28.0%。

RoboLab-120 排行榜
模型RoboLab-120 成功率
Praxis-146.2%
FLUX 3 Action42.9%
Cosmos3 Nano36.8%
π0.528.0%

資料截至 2026 年 11 月;成功率為 1,200 個回合的統計結果

Praxis-1 即日起可在 GitHub、Hugging Face(含 原生 LeRobot 支援)以及 vLLM-Omni 中獲取,並可通過 Reactor 使用託管推理。在自有硬體上執行和適配它所需的一切均以 Apache 2.0 釋出,包括商業用途。這涵蓋權重以及推理和微調程式碼,並同時支援全量微調和 LoRA。Praxis-1 可在 NVIDIA 硬體上開箱即用,從 H100、B200 等資料中心 GPU,到 RTX 5090、RTX PRO 6000 等工作站 GPU,再到機器人本體上的 Jetson Thor。

"拿起右邊的紫色梳子,然後把紫色梳子放進袋子裡"
"把白色馬克杯倒扣在黃色托盤上"
"拿起紅椒並放入馬克杯中"
"拿起砧板並放入黃色托盤中"
"拿起泰迪熊並放在毛巾上"

所有影片均為 1 倍速。

適配你的硬體

Praxis-1 從大規模影片中學習物體的行為方式和任務的展開過程,因此在針對任何硬體或領域特定資料進行微調之前,它就已在新形態上具備先發優勢。我們的研究表明,作為策略效能的預訓練資料,網路影片與遙操作機器人影片效果相當,這意味著一個能力出眾的策略,其瓶頸已轉變為模型能從多少通用影片中學習。

與合作伙伴一起,單個 Praxis-1 檢查點經過輕度微調即可適配多種形態;藉助 LoRA,你無需重新訓練完整模型,就能將其適配到自己的形態、相機和任務上。在 Google 的 RT-1 機器人上微調後(該機器人從未出現在其訓練資料中),Praxis-1 在 SimplerEnv 上達到 80.0% 的成功率,遠高於原始 RT-1 策略的 52.4%。

為何開放權重

釋出 Praxis-1 時,我們承諾會以開放模型的形式交付。美國要在物理 AI 領域保持領先,既需要持續投入硬體和軟體,也需要美國模型達到物理應用場景目前尚不具備的互操作性與開放程度。開放權重讓硬體開發者能按自己的方式執行、檢查和調整世界動作模型。Praxis-1 建立在 Runway 作為 Cosmos Coalition 創始成員所做的工作之上,推動面向物理 AI 的開放世界模型。Runway 與 NVIDIA 正攜手開放前沿技術棧,為開發者提供共同的基礎,用來解決物理 AI 的種種難題。

立即試用

在 Hugging Face 下載 Praxis-1,在 GitHub 檢視程式碼,或者直接在 Runway Dev 上試用。開發者可以藉助 NeMo Automodel 的上手教程,針對自己領域的特定用例對 Praxis-1 進行後訓練。如果你有部署計劃,歡迎聯絡我們的機器人團隊。

來源:Runway:News · runwayml.com

來源: aihot (aihot.news)
開啟原文

讀者討論

理性交流 · 即時討論