ROBOTERA's VPP2-Modell erreicht Spitzenplatz im RoboDojo-Benchmark

ROBOTERA's World Action Model (WAM), VPP2 (Video Prediction Policy 2), hat die Spitzenposition im RoboDojo-Benchmark erreicht. RoboDojo, entwickelt vom MMLab der University of Hong Kong in Zusammenarbeit mit fast 20 akademischen Einrichtungen, bewertet die Manipulationsfähigkeiten von Robotern für allgemeine Zwecke in anspruchsvollen simulierten und realen Aufgaben.

Das VPP2-Modell erzielte diese Spitzenleistung ohne die Notwendigkeit zusätzlicher Daten oder agentenbasierter Reinforcement Self-Improvement (Agent RSI). Es erreichte eine durchschnittliche Erfolgsrate von 32,26 % und eine Punktzahl von durchschnittlich 39,26, womit es bei den bewerteten Methoden in den Kategorien Generalisierung, Präzision und Speicher den ersten Platz belegte. ROBOTERA hat das VPP2-Modell auf GitHub öffentlich zugänglich gemacht.

ROBOTERA's VPP2 wurde entwickelt, um Robotern zu ermöglichen, besser vorherzusagen, wie ihre Handlungen ihre Umgebung verändern werden, und um Anweisungen in physische Bewegungen umzusetzen. Im Gegensatz zu Modellen, die primär auf die Generierung visueller Inhalte ausgerichtet sind, ist VPP2 darauf trainiert, Objektbewegungen zu verstehen und präzise Manipulationsbefehle zu befolgen. Es integriert Videovorhersage mit Aktionsgenerierung und zielt darauf ab, die Zuverlässigkeit von Robotern in verschiedenen Objekten, Umgebungen und Szenarien zu verbessern. Für komplexe Aufgaben mit mehreren Schritten kann VPP2 auch in Verbindung mit einem Vision-Language Model (VLM) arbeiten, das übergeordnete Anweisungen in ausführbare Aktionen zerlegt.

Die Fähigkeiten des Modells wurden in Tests zur Videovorhersage, Befolgung von Anweisungen und Roboter-Manipulation validiert. Auf der ALOHA-Plattform erreichte VPP2 eine durchschnittliche Erfolgsrate von 58,5 % über 10 Aufgabenkategorien und übertraf damit in neun Kategorien andere Basismodelle. Auf LIBERO-Pro, einem Benchmark für Roboter-Manipulation und Generalisierung, erreichte es eine Erfolgsrate von 45,0 %. In Kombination mit übergeordneter Aufgabenplanung verdoppelten sich die durchschnittlichen Erfolgsraten mehr als.

Diese Leistung markiert ROBOTERA's vierten Benchmark-Meistertitel im Bereich "Embodied Intelligence" für das Jahr 2026, nach Spitzenplatzierungen bei World Arena, Benjie's Humanoid Olympic Games und RoboChallenge. In Verbindung mit den laufenden Einsätzen von Humanooiden Robotern in über 10 Logistikzentren in China für Unternehmen wie China Post und SF Express unterstreichen diese Erfolge ROBOTERA's Fortschritte bei der Weiterentwicklung allgemeiner Roboterintelligenz und deren Integration in reale Anwendungen. Das Unternehmen strebt danach, allgemeine Roboter zu zuverlässigen Partnern in der täglichen Arbeit zu machen.