2026-11-11,Runway发布Praxis-1开放权重世界动作模型,用视频观察和任务条件预测机器人后续动作。模型为27.2B参数的混合专家扩散Transformer,但每次推理约激活2.8B参数;它把动作组织为约1.6秒、24步的片段,对应15 Hz控制频率。

Runway同时开放基础、DROID和YAM三个检查点,以及推理、全量微调和LoRA微调代码,许可证为Apache 2.0,允许商业使用。BF16权重约54.4 GB,发布方称可放入单张80 GB GPU,并另提供NVFP4量化感知训练检查点以降低部署资源。开放权重不等于开放训练数据或完整训练流水线。

在NVIDIA RoboLab-120的1200次任务测试中,Runway报告Praxis-1成功555次,成功率46.2%。准确表述是它在发布方比较的开放权重视觉语言动作模型和世界动作模型中居前,而不是超过所有闭源机器人系统。团队还报告RT-1 SimplerEnv为80%,对比基线52.4%,同样属于厂商运行结果。

模型输出短动作片段而非直接提供整机安全保证。真实机器人还涉及相机标定、控制延迟、关节限制、碰撞检测、急停、任务恢复和场地分布偏移。即使离线基准提升,也不能推导到仓库、家庭或实验室的无人值守运行;量化版本也需重新验证精度和控制稳定性。

直接材料足以核实参数、许可、检查点和发布方基准,但尚缺独立实验室复测、训练数据透明度及长时间故障统计。团队应把权重哈希、运行环境、控制器版本和安全外围一并固定,才能判断微调后变化来自模型、数据还是执行栈。

量仔观察

Praxis-1对机器人研究组和需要本地微调的产业团队最有吸引力,因为许可证和代码降低了试验门槛。合适动作是在仿真与隔离工位复现基准,再逐步加入硬件安全约束,不能直接上生产线。下一观察点是第三方RoboLab复测、量化模型退化、跨机器人迁移和真实任务中的连续失败率。