清华具身模型登顶全球第一！突围GPT-6、英伟达，不靠外挂和额外数据

星动纪元选择将视频预测与动作学习分阶段训练，重点不是「视频、动作一锅炖」，而是把两者「解耦」，重新「排序」。

好家伙，世界动作模型（WAM）赛道，中国团队直接冲到了全球第一？！

而且，GPT-6-Astra、Physical Intelligence的π0.5、英伟达GR00T-N1.7等一众全球头部具身模型，这次都被甩在了身后。

出手的是一家中国机器人公司——清华唯一持股的嫡系具身公司，星动纪元。

近日，星动纪元自研的世界动作模型VPP2，一举登顶RoboDojo仿真榜单。

综合平均成功率32.26%，综合平均得分39.26分，两个指标双双第一。

RoboDojo号称具身智能界的「珠穆朗玛峰」，由香港大学MMLab牵头，全球近20所顶尖学术机构共同建设。

它专挑机器人不擅长的地方出题：换个环境，还会不会干活？东西摆歪了，还能不能抓准？任务做到一半，还记不记得前面发生了什么？

总之，想靠刷熟练度蒙混过关，没那么容易。

星动纪元VPP2不仅拿下综合第一，在泛化能力、精细操作、记忆能力三个维度上，也拔得头筹。

据说，这次VPP2没有额外加数据，也没用Agent RSI等增强手段，仅靠「标准数据集」，就把一众高手给卷了下去。

这代表着VPP2模型本身足够强，性能提升来自预训练，基座足够泛化，因此不靠外挂增强策略，不靠扩充数据「刷分」。

不是，哥们儿，这么夯的模型到底是怎么练出来的啊？？？

我们往技术路线里扒了扒，你别说，VPP2这次的突破，还真有点东西。

它瞄准了世界动作模型的一道老大难问题：预测错了，动作就跟着错。

VPP2给出的解法，是先把视频预测能力练到足够强，再让机器人在陌生环境里真正动起来。

从目前披露的多项测试结果来看，VPP2已经成为世界动作模型WAM赛道中，最有竞争力的选手之一。

机器人Demo越做越炫，模型榜单分数也越来越高，但真要问一句，谁的机器人更聪明、更能干活？

比如让机器人抓杯子。在训练时见过的桌面上，它可能百发百中。结果换个杯子、挪下位置，立刻开始怀疑人生。

更别提那些需要连续执行多个步骤的任务了。

这也是为什么，RoboDojo这套评测值得关注。