BEIJING, 9 ottobre 2026 -- Il World Action Model (WAM) di ROBOTERA, VPP2 (Video Prediction Policy 2), si è classificato al primo posto su RoboDojo senza dati aggiuntivi o miglioramento autonomo basato su agenti (Agent RSI). Sviluppato dal MMLab dell'Università di Hong Kong in collaborazione con quasi 20 istituti accademici leader a livello mondiale, RoboDojo è un benchmark rigoroso per la manipolazione robotica di uso generale che valuta le prestazioni attraverso compiti impegnativi sia in simulazione che nel mondo reale, andando oltre semplici dimostrazioni.
ROBOTERA VPP2 al primo posto su RoboDojo
VPP2 ha raggiunto un tasso di successo medio del 32,26% e un punteggio medio di 39,26, classificandosi primo tra i metodi valutati per Generalizzazione, Precisione e Memoria. ROBOTERA ha reso open-source VPP2 su GitHub, con ulteriori dettagli disponibili sul sito web del progetto.
Costruire un Modello di Azione Mondiale più Generalizzabile
VPP2 consente ai robot di prevedere meglio come le azioni modificheranno l'ambiente circostante e di tradurre istruzioni in movimenti fisici. A differenza dei modelli video progettati principalmente per generare contenuti visivi, VPP2 è addestrato per comprendere i movimenti degli oggetti e seguire istruzioni di manipolazione precise. Combina la previsione video con la generazione di azioni, aiutando i robot a eseguire compiti in modo più affidabile attraverso diversi oggetti, ambienti e scenari.
Per compiti complessi che coinvolgono più passaggi, VPP2 può anche lavorare con un modello vision-language (VLM) che suddivide istruzioni di alto livello in azioni eseguibili più piccole.
Validato attraverso Compiti in Simulazione e nel Mondo Reale
VPP2 è stato valutato su compiti di previsione video, seguire istruzioni e manipolazione robotica. Sulla piattaforma ALOHA, VPP2 ha raggiunto un tasso di successo medio del 58,5% su 10 categorie di compiti, superando i principali baselines in nove. Ha anche ottenuto il 45,0% su LIBERO-Pro, un benchmark per la manipolazione robotica e la generalizzazione. Con la pianificazione di compiti di alto livello, i tassi di successo medi su cinque gruppi di compiti sono più che raddoppiati, passando dal 27,6% al 57,6%.
Questi risultati dimostrano la capacità di VPP2 di connettere la comprensione visiva, il seguire istruzioni e l'azione fisica, avanzando la robotica di uso generale verso applicazioni pratiche.
Da Breakthrough Ricerca al Deployment nel Mondo Reale
VPP2 segna il quarto campionato di benchmark di intelligenza incarnata di ROBOTERA nel 2026, dopo risultati eccezionali a World Arena, Benjie's Humanoid Olympic Games e RoboChallenge. Combinato con i deployment in corso di robot umanoidi con China Post e SF Express in oltre 10 centri logistici in Cina, questi risultati riflettono i progressi di ROBOTERA sia nell'avanzare l'intelligenza robotica di uso generale sia nell'portarla in applicazioni reali.
Basandosi sui suoi progressi nella modellazione delle azioni mondiali e sull'esperienza di deployment nel mondo reale, ROBOTERA sta lavorando per rendere i robot di uso generale partner affidabili nel lavoro quotidiano.