Runway、270億パラメータのオープンウェイト・ロボット制御モデル「Praxis-1」を公開 NVIDIAのRoboLab-120で首位

映像とロボットの動作を同時に予測するワールドアクションモデル。重みと推論・ファインチューニング用コードはApache 2.0で公開され、商用利用も可能。
なぜ重要か
オープンなロボット制御方策の多くは、収集に時間と費用がかかる遠隔操作データに頼っている。Praxis-1はRunwayの大規模な映像事前学習を土台とし、同社はウェブ映像が事前学習データとして遠隔操作ロボット映像に匹敵すると説明する。ボトルネックは、モデルがどれだけ一般映像から学べるかに移る。重みとファインチューニング用コードをApache 2.0で公開したことで、どのチームも自社ハードに合わせられる。NVIDIAのRoboLab-120ではFLUX 3 Action、Cosmos3 Nano、π0.5を上回る。今後は新たなロボットでの独立した検証が焦点。
要点
- 270億パラメータの混合エキスパート拡散Transformer
- RoboLab-120の1,200エピソードで成功率46.2%
- FLUX 3 Action 42.9%、Cosmos3 Nano 36.8%、π0.5 28.0%
- 重みとコードはApache 2.0、商用利用可
- RT-1で微調整するとSimplerEnvで80.0%(元の方策は52.4%)
- ローンチパートナーはNoble Machines、Standard Bots、Ultra