Praxis-1 رانوی با وزنهای باز منتشر شد
خلاصهٔ کاملتر
رانوی (Runway) مدل Praxis-1 رو برای همه باز کرده. این مدل یه world action model هست، یعنی مدلی که هم پیشبینی میکنه دنیای اطراف ربات چطور تغییر میکنه و هم میگه ربات چه حرکتی باید بکنه. رانوی این مدل رو سپتامبر معرفی کرده بود و حالا وزنها، کد inference و کد fine-tune رو با لایسنس Apache 2.0 منتشر کرده که استفادهٔ تجاری رو هم شامل میشه.
از نظر فنی، Praxis-1 یه diffusion transformer با معماری mixture-of-experts و ۲۷ میلیارد پارامتر هست که ویدیو و action رو با هم پیشبینی میکنه. تو جدول RoboLab-120 انویدیا، از ۱۲۰۰ اپیزود به ۴۶.۲٪ موفقیت رسیده. در مقایسه، FLUX 3 Action به ۴۲.۹٪، Cosmos3 Nano به ۳۶.۸٪ و π0.5 به ۲۸٪ رسیدن. طبق گفتهٔ رانوی، از همهٔ مدلهای VLA باز (مدلهایی که از تصویر و متن به حرکت ربات میرسن) هم بهتر عمل میکنه.
مدل روی GitHub و Hugging Face (با پشتیبانی مستقیم از کتابخونهٔ LeRobot) و تو vLLM-Omni در دسترسه. روی کل خانوادهٔ سختافزار انویدیا هم اجرا میشه: از GPUهای دیتاسنتری مثل H100 و B200، تا RTX 5090 و RTX PRO 6000، تا Jetson Thor که روی خود ربات نصب میشه. هم fine-tune کامل پشتیبانی میشه هم LoRA.
ایدهٔ اصلی اینه که مدل از حجم زیادی ویدیوی معمولی یاد میگیره اشیا چطور رفتار میکنن و کارها چطور پیش میرن. رانوی میگه تحقیقاتش نشون داده ویدیوهای وب برای پیشآموزش به اندازهٔ ویدیوهای ضبطشده از رباتهایی که آدم کنترلشون میکنه مفیدن. یعنی گلوگاه دیگه جمعکردن دادهٔ گرون رباتیک نیست، بلکه اینه که مدل چقدر ویدیوی عمومی ببینه.
با LoRA میشه مدل رو برای ربات، دوربینها و کارهای خودت تنظیم کنی بدون اینکه کل مدل رو از اول آموزش بدی. مثلاً روی ربات RT-1 گوگل که اصلاً تو دادهٔ آموزشی نبوده، بعد از fine-tune به ۸۰٪ موفقیت تو SimplerEnv رسیده، در حالی که policy اصلی خود RT-1 روی ۵۲.۴٪ بوده. شرکای اولیه مثل Noble Machines، Standard Bots و Ultra هم اونو روی ربات انساننما، بازوی صنعتی ششمحوره و ربات دوبازوی انبار اجرا کردن.
نکات کلیدی:
- Praxis-1 یه مدل ۲۷ میلیارد پارامتری MoE diffusion transformer برای کنترل رباته
- لایسنس Apache 2.0 شامل وزنها، کد inference و fine-tune و استفادهٔ تجاری
- ۴۶.۲٪ موفقیت تو RoboLab-120، جلوتر از FLUX 3 Action با ۴۲.۹٪
- روی RT-1 گوگل بعد از fine-tune به ۸۰٪ رسیده، در برابر ۵۲.۴٪ policy اصلی
- روی H100، B200، RTX 5090 و Jetson Thor اجرا میشه و LoRA رو پشتیبانی میکنه




