Runway 发布开源权重 Praxis-1 机器人世界行动模型

Runway 已正式发布 Praxis-1，这是一个 270 亿参数的世界行动模型，旨在为物理 AI 系统同时生成视频和控制动作。根据 The Robot Report 报道，该模型以 Apache 2.0 许可下的开源权重发布，允许硬件开发人员检查、调整并在人形机器人、工业机械臂和双臂仓库设置中商业部署通用策略。

发生了什么

根据 The Robot Report 报道，Praxis-1 是一个基于 Runway 视频基础模型的专家混合 (MoE) 扩散 Transformer。通过预测未来视频帧以及物理控制动作，该模型利用网络视频和远程操作机器人数据来学习物理动力学，然后进行硬件微调。该模型可通过 GitHub、Hugging Face（原生支持 LeRobot）和 vLLM-Omni 访问，并在 Reactor 上提供托管推理。它可在 NVIDIA 计算平台原生运行，包括数据中心芯片（H100、B200）、工作站 GPU（RTX 5090、RTX PRO 6000）以及物理机器人上的 Jetson Thor 等边缘硬件。

Runway 与早期发布合作伙伴在不同的硬件实体上测试了 Praxis-1。Noble Machines 将该策略部署在腿式人形机器人上，用于重工业搬运。Runway 机器人负责人 Andy Chen 告诉 The Robot Report，该模型通过 30 分钟的训练数据学会了集装箱木板装载任务，实现了 15 次成功执行中的 15 次。然而，当被要求将一堆未曾见过的凌乱木板清理到垃圾箱中时，其成功率降至 10 次中的 6 次。Standard Bots 在六轴工业机械臂上测试了该策略，用于机器看护和码垛，而 Ultra 则将其部署在双臂仓库包装站。

在 RoboLab-120 基准测试中，Praxis-1 在 1,200 个回合中达到了 46.2% 的成功率，总体排名第五，使其成为排行榜上排名最高的开源端到端策略，领先于 FLUX 3 Action (42.9%)、Cosmos3 Nano (36.8%) 和 π0.5 (28.0%)。通过 SimplerEnv 在 Google 的 RT-1 机器人数据集上进行微调后，Praxis-1 实现了 80.0% 的成功率，而原始 RT-1 策略的成功率为 52.4%。

为何对机器人和自动化负责人至关重要

对于小型机器人集成商和工厂自动化负责人来说，具有宽松商业许可（Apache 2.0）的开源权重模型为专有云 API 提供了一个关键替代方案。使用低秩适应 (LoRA) 在截然不同的运动学系统（从六轴机械臂到双臂包装机或腿式人形机器人）上微调单个 270 亿参数基础检查点的能力，减少了为每个特定单元设置从头构建自定义控制策略的需求。

然而，运营团队必须将基准性能与生产可靠性区分开来。虽然 Praxis-1 在受控测试中对结构化木板放置实现了完美性能，但在处理非结构化、凌乱的堆叠时，其成功率降至 60%。在实际工厂或仓库中，可变任务 40% 的失败率会导致严重的生产线停工，并需要持续的人工干预。工程负责人应将开放世界行动模型视为快速原型设计和领域微调的强大基线策略，而不是在高吞吐量环境中确定性运动规划器的直接替代品。

本周行动建议

1. 从 GitHub 或 Hugging Face 下载 Praxis-1 权重和微调代码库，以评估模型内存需求与您的边缘硬件和工作站设置的匹配情况。

1. 使用 30 到 60 分钟的特定重复单元例程（如料箱拣选或机器看护）的远程操作视频，运行低秩适应 (LoRA) 微调实验。

1. 根据场景变化审核您的目标部署任务，为策略成功率下降的复杂或非结构化作业设定严格的手动回退阈值。

来源

• Runway’s Praxis-1 world action model for robotics is now available — The Robot Report