Runway发布Praxis-1,将视频模型用于机器人控制
Runway推出270亿参数的Praxis-1,把视频预测与动作控制结合,试图降低机器人学习的延迟和数据成本。
Runway发布Praxis-1,这是一个拥有270亿参数的混合专家扩散Transformer,目标是同时预测视频和机器人动作。公司希望把视觉理解直接连接到物理控制,而不是只把视频模型当作被动的内容生成器。
Runway重点介绍了与Noble Machines机器人平台合作的测试。在不到30分钟的遥操作示范后,Praxis-1据称在15次模拟试验中全部成功。在同一工作站和任务上,Runway称其完成速度是由GPT-6 Astra驱动机械臂时的15.6倍,同时使用了专门为控制回路设计的模型。
视频公司为何进入机器人领域
机器人研究者越来越重视视频模型提供的物理直觉:模型可以学习物体如何运动、场景如何变化,以及哪些动作可能带来预期结果。Praxis-1进一步把动作输出与视觉预测放进同一训练目标,理论上可以减少机器人面对陌生环境时所需的专项工程。
但现有证据仍然有限。15次模拟试验和一组短时示范,无法证明模型能在工厂、家庭或安全关键环境中稳定工作。它与GPT-6 Astra的比较,本质上是专用控制系统与通用模型的对比,不能被解读为对两者整体智能水平的排序。
为什么重要
这次发布的重要性在于,它挑战了“机器人主要由语言模型驱动”的默认路线。原生视频控制器可能在重复性物理任务中提供更低延迟和更高数据效率,尤其是在每一秒推理时间都会转化为运营成本的场景。真正的问题,是这种优势能否经受现实世界的噪声、变化和长尾情况。
猫叔判断
15.6倍速度只有在30分钟示范能离开Noble Machines模拟器后仍然成立才有价值,而这一步尚未被证明。