Runway 以 Apache 2.0 开源 Praxis-1 机器人模型，自家测试显示短板在视频预测

Runway 发布了 9 月首次亮相的机器人基础模型 Praxis-1，权重以允许商用的 Apache 2.0 协议开源。这个 270 亿参数的混合专家扩散 Transformer 是一个世界动作模型：它像世界模型一样预测视频，同时预测机器人动作。11 月 11 日，模型连同推理和微调代码上线 GitHub 和 Hugging Face。Runway 称，它在英伟达 RoboLab-120 仿真基准上的成功率为 46.2%，高于 FLUX 3 Action 的 42.9%、Cosmos3 Nano 的 36.8% 和 π0.5 的 28.0%。

Runway 自己的技术报告把模型的短板指向了“想象力”，而不是动作本身。在 32 段留出的 DROID Franka 机械臂片段上，给它真实的未来画面，预测的末端执行器位置误差是 1.14 厘米；让它自己想象未来，也就是在真机上必须面对的情况，误差升到 5.71 厘米，是前者的五倍，Runway 把大部分误差归因于想象出来的视频。如果这个结论成立，这类架构里机器人控制要变好，靠的是视频预测变好，而这正是视频生成公司 Runway 本来就在卖的东西。

训练视频里只有 18% 是机器人

模型的骨干网络先在通用视频上预训练。下一阶段训练中，第一人称人类视频占 58% 的 token，通用视频占 20%，真机机器人视频只占 18%。在训练数据里从未出现过的谷歌 RT-1 机器人上微调后，Praxis-1 在 SimplerEnv 上达到 80.0%，原版 RT-1 策略是 52.4%。在真实 Franka 机械臂上，它在 100 次中成功 88 次，FLUX 3 Action 是 80 次。

首发合作方 Noble Machines、Standard Bots 和 Ultra 分别在腿式人形机器人、六轴机械臂和双臂仓储工作站上运行它。Runway 机器人负责人 Andy Chen 对 The Robot Report 说，在 Noble Machines 的任务上，Praxis-1 只用半小时示范就学会了捡木板，15 次全部成功；面对一堆从没见过的乱木板，10 次里有 6 次清空了整堆。

排在它前面的是智能体系统

Runway 说的“排名第一”，只在世界动作模型和开源端到端策略里成立。在英伟达的排行榜上，Praxis-1 总排名第五：智能体语言模型系统 AMP1 成功率 86.0%，同为智能体系统的 SenseNova-RoboRSI 是 57.1%。权重开放之后，任何实验室都可以检验：只靠微调，视频优先的策略能不能补上将近 40 个百分点的差距。